Обнаружение объектов с помощью глубокого обучения: обзор

В связи с тесной связью обнаружения объектов с анализом видео и пониманием изображений эта область в последние годы привлекает значительное внимание исследователей. Традиционные методы обнаружения объектов основаны на вручную разработанных признаках и неглубоких обучаемых архитектурах. Их производительность легко достигает плато при построении сложных ансамблей, которые комбинируют множество низкоуровневых признаков изображения с высокоуровневым контекстом от детекторов объектов и классификаторов сцен. С быстрым развитием глубокого обучения появляются более мощные инструменты, способные автоматически извлекать семантические, высокоуровневые и более глубокие признаки, которые призваны решать проблемы традиционных архитектур. Эти модели отличаются по сетевой архитектуре, стратегиям обучения и функциям оптимизации. В данной работе мы представляем обзор фреймворков для обнаружения объектов на основе глубокого обучения. Обзор начинается с краткого введения в историю глубокого обучения и его представительный инструмент — сверточную нейронную сеть. Далее мы сосредоточиваемся на типичных общих архитектурах обнаружения объектов, а также на некоторых модификациях и полезных приёмах для дальнейшего повышения точности обнаружения. Поскольку различные конкретные задачи обнаружения обладают особыми характеристиками, мы также кратко рассматриваем несколько специализированных задач, включая обнаружение заметных объектов, обнаружение лиц и обнаружение пешеходов. Представлены также экспериментальные анализы для сравнения различных методов и выведения значимых выводов. Наконец, приведены несколько перспективных направлений и задач, которые могут служить ориентирами для будущих исследований в области обнаружения объектов и соответствующих систем обучения на основе нейронных сетей.