Comments 38
Что за детектор автомобилей?) вы же в курсе что от расположения камеры, ее оптических искажений и т.д. для качественной сегментации необходима своя обучающая выборка и соответственно своя натренированная сетка
Для распознавания одного и того же объекта? Нет, не нужна. Различия между разными представителями класса "автомобиль" (еще и при разном освещении и других факторах) намного больше, чем различия между тем, как они показываются в разных камерах.
Собственно, иначе бы вообще не работали решения по распознаванию (включая AR) на мобильных телефонах — камеры и положения у всех телефонов разные, а обучает модель разработчик.
Если покажете результат на фотографии из статьи к вам бы было меньше недоверия)
Ну я так понимаю теперь вы понимаете про то что он работает плохо?
Нет, не понимаю.
Вы хотите сказать, что вот в этом вашем примере они распознались?
Предоставьте хотя бы ссылку на этот детектор автомобилей, так и быть, сам даже попробую использовать, не будете напрягаться) но те которые использовал я работают не очень качественно, а те которые качестаенно работают стоят не малых денег, так как учитывая каких сил стоит их разработка, вряд ли кто то будет их дарить просто так.
Предоставьте хотя бы ссылку на этот детектор автомобилей
Если вы внимательно посмотрите в тред, то увидите, что я вам никакой детектор автомобилей не предлагал. Я спорю с утверждением "от расположения камеры, ее оптических искажений и т.д. для качественной сегментации необходима своя обучающая выборка".
те которые качестаенно работают стоят не малых денег, так как учитывая каких сил стоит их разработка, вряд ли кто то будет их дарить просто так
Это, кстати, повод задуматься над (вашим) утверждением "сегментировать изображения сейчас максимально просто и быстро, вся проблема упирается только в очень трудоёмкую часть создания обучающей выборки".
А что, не просто сегментировать?
Нет, не просто.
Просто все эти громкие названия не несут за собой вообще ничего) я про этих инженеров глубокого обучения
Гм, а DeepLab v3+, которым вы пользуетесь — он сам зародился, как мышь в сене? Или все-таки его сделали инженеры Google AI?
Выразился не очень, просто в большинстве случаем используют готовые архитектуры)
вы создавали какую нибудь архитектуру с нуля сами?
Нет, а зачем?
если да, то да, вы инженер
Не обязательно. Много архитектур создается исследователями. А инженеры их потом внедряют.
просто в большинстве случаем используют готовые архитектуры
Ну да, задача инженера — выбрать максимально удовлетворяющее задаче решение. Если готовая архитектура удовлетворяет — то зачем придумывать свою? Работа инженера от этого никуда не делась.
Разрешение камеры 2мп, и ночью если вы обратите внимание, все что видно от автомобиля это стоп сигналы, точнее размазанные световые круги от стоп сигналов, естественно я пробовал натренированную сетку и результаты там были не очень) странно, вроде deep learning это ваш профиль)
Скорее всего в ближайшее время появятся сервисы (возможно они уже есть, если есть напишите в комментарии), где будут нанимать сотрудников для создания обучающих выборок наподобие Яндекс.Еда и Яндекс.Такси, где люди сидя дома будут зарабатывать в свободное время.
Яндекс.Толока, Amazon Mechanical Turk, AWS SageMaker Ground Truth.
Вот вам конкретно разметка видео.
Это не совсем то что я имел ввиду, в толоке нужно разбираться в задаче, устанавливать программы какие то, кучу времени потратить на то чтобы начать, а тут просто зашёл на определенную страничку и вам там весь функционал, просто тыкайте мышкой, чтобы каждый мог начать это делать буквально за 10 мин)
Я вам специально ссылку на Ground Truth привел.
Аналогично есть у GCP (и у Azure тоже должно быть, я сходу найти не могу).
КМК смотря что потом делать с полученными данными. К примеру, если прокладывать маршрут быстрой/тяжёлой техники то пары библиотек и наспех собранной тестовой выборки может не хватить.
Сегментация данных с видеокамеры