Phát hiện đối tượng trong ảnh bị hạn chế tầm nhìn bởi sương mù

Một trong những thách thức của bài toán phát hiện đối tượng là sự ảnh hưởng của môi trường đến chất lượng hình ảnh đầu vào. Trong nghiên cứu này tác giả tập trung vào bài toán phát hiện đối tượng trong thời tiết sương mù.
Nội dung trích xuất từ tài liệu:
Phát hiện đối tượng trong ảnh bị hạn chế tầm nhìn bởi sương mù Hội nghị Quốc gia lần thứ 23 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2020) Phát hiªn Ëi t˜Òng trong £nh b‡ h§n ch∏ t¶m nhìn bi s˜Ïng mù Phan Vænh Long⇤ , Võ Duy Nguyên⇤ Nguyπn Tßn Tr¶n Minh Khang⇤ ⇤§i hÂc Công nghª Thông tin, HQG-HCM Email: 16520695@gm.uit.edu.vn, {nguyenvd, khangnttm}@uit.edu.vn Tóm t≠t—MÎt trong nh˙ng thách th˘c cıa bài toán phát nh™n diªn v™t th∫ t¯ £nh chˆp trong môi tr˜Ìng khônghiªn Ëi t˜Òng là s¸ £nh h˜ng cıa môi tr˜Ìng ∏n chßt khí ch˘a các v™t chßt nêu trên.l˜Òng hình £nh ¶u vào. Trong nghiên c˘u này, chúng tôi Hình 1 là mÎt sË ví dˆ v∑ hình £nh chˆp trong môit™p trung vào bài toán phát hiªn Ëi t˜Òng trong thÌi ti∏ts˜Ïng mù. H¶u h∏t các hª thËng phát hiªn Ëi t˜Òng trong tr˜Ìng h§n ch∏ v∑ t¶m nhìn.£nh ˜Òc hußn luyªn trong i∑u kiªn thÌi ti∏t tËt, s¸ xußthiªn cıa s˜Ïng mù tr thành mÎt thách th˘c lÓn. Do ó,chúng tôi gi£ s˚ s˜Ïng mù là mÎt ph¶n cıa Ëi t˜Òngtrong £nh và th¸c hiªn nghiên c˘u hai mô hình FeatureSelective Anchor-Free (FSAF) và Generalized Focal Loss(GFL) trên t™p RTTS cıa bÎ d˙ liªu Realistic Single ImageDehazing gÁm 4,322 hình vÓi 41,203 Ëi t˜Òng. Chúng tôichia l§i bÎ d˙ liªu nh˜ng v®n gi˙ tø lª xußt hiªn cıa cáclÓp Ëi t˜Òng, Áng thÌi v®n gi˙ tính ng®u nhiên cıa d˙liªu, k∏t hÒp vÓi hÂc chuy∫n giao vÓi gi£ thi∏t s˜Ïng mùlà mÎt ph¶n cıa Ëi t˜Òng trong £nh. Sau khi áp dˆngph˜Ïng pháp, mô hình GFL cho k∏t qu£ tËt hÏn FSAFtrên tßt c£ các lÓp Ëi t˜Òng vÓi Î o AP[0.50:0.95] l¶nl˜Òt là 0.463, 0.442, 0.615, 0.454, 0.594, 0.513 t˜Ïng ˘ngvÓi các lÓp bicycle, bus, car, motorcycle, person. Các môhình sau khi ˜Òc hußn luyªn l§i cho k∏t qu£ v˜Òt trÎi sovÓi các mô hình ti∑n hußn luyªn t˜Ïng ˘ng. K∏t qu£ nàylà Îng l¸c cho các nghiên c˘u ti∏p theo. Hình 1: MÎt sË hình £nh chˆp trong môi tr˜Ìng h§n ch∏ T¯ khóa—deep learning, object detection, poor visibility, v∑ t¶m nhìn.hazy image, Feature Selective Anchor-Free, GeneralizedFocal Loss, transfer learning Ph¶n lÓn các mô hình phát hiªn Ëi t˜Òng d¸a trên m§ng nÏ ron hÂc sâu ˜Òc chia thành hai nhóm chính I. GIŒI THIõU là thu™t toán phát hiªn Ëi t˜Òng mÎt pha (one-stage Trong vài th™p k g¶n ây, phát hiªn Ëi t˜Òng ã object detector) và thu™t toán phát hiªn Ëi t˜Òng haitr thành mÎt trong nh˙ng bài toán quan trÂng cıa th‡ pha (two-stage object detector).giác máy tính nói riêng cÙng nh˜ khoa hÂc máy tính nói Trong nghiên c˘u này, chúng tôi ã th¸c nghiªm haichung. Cùng vÓi s¸ phát tri∫n cıa ph¶n c˘ng máy tính ph˜Ïng pháp cıa các ph˜Ïng pháp nh™n diªn v™t th∫và s¸ gia t´ng liên tˆc cıa d˙ liªu, các ph˜Ïng pháp d¸a trên hÂc sâu thuÎc phân lo§i các thu™t toán phátd¸a trên hÂc sâu ã §t nh˙ng k∏t qu£ cao cho bài toán hiªn Ëi t˜Òng mÎt pha: Feature Selective Anchor-Freephát hiªn Ëi t˜Òng cÙng nh˜ các bài toán khác. (ASAF) [1] và Generalized Focal Loss [2] trên bÎ d˙ Do s¸ tÁn t§i cıa các v™t chßt nh‰ trong không khí liªu Realistic Single Image Dehazing (RTTS) [3]. Chúng(khói, bˆi, s˜Ïng mù, ...), hình £nh ˜Òc chˆp trong tôi ∑ xußt ph˜Ïng pháp chia d˙ liªu £m b£o tính ng®unh˙ng môi tr˜Ìng này có th∫ b‡ £nh h˜ng v∑ chßt l˜Òng nhiên cıa d˙ liªu Áng thÌi v®n gi˙ tø lª sË l˜Òng cácnÎi dung l˜u tr˙. Nh˙ng môi tr˜Ìng này th˜Ìng ˜Òc lÓp Ëi t˜Òng  t¯ng t™p d˙ liªu. Sau ó ánh giá k∏tgÂi là môi tr˜Ìng h§n ch∏ v∑ t¶m nhìn. Các hª thËng qu£ mô hình hußn luyªn tr˜Óc và mô hình t¸ hußn luyªnxây d¸ng d¸a trên £nh chˆp trong môi tr˜Ìng không khi xem s˜Ïng mù là mÎt ph¶n cıa Ëi t˜Òng trong £nh,khí s§ch thông th˜Ìng cho k∏t qu£ thßp khi s˚ dˆng ∫ t¯ ó phân tích k∏t qu£ §t ˜Òc và ˜a ra ph˜Ïng án ISBN: 978-604-80-5076-4 44 Hội nghị Quốc gia lần thứ 23 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2020)c£i thiªn cho bài toán. mô t£ phân bË bounding-box trong nh˙ng n´m g¶n ây. Tuy nhiên các ph˜Ïng pháp này quá c˘ng nh≠c II. CÁC NGHIÊN CŸU LIÊN QUAN và Ïn gi£n cho viªc bi∫u diπn s¸ phân bË th¸c t∏ Trong ph¶n này, chúng tôi trình bày mÎt sË ph˜Ïng cıa d˙ liªu. Do ó DFL giÓi thiªu hàm DFL giúppháp phát hiªn Ëi t˜Òng mÎt pha tiên ti∏n (state-of-th ...