Selecting objects from video stream by deep learning

Abstract

В данной работе рассмотрены нейросетевые алгоритмы обнаружения и классификации объектов на изображении, такие как Faster R-CNN и YOLO. Выделены преимущества алгоритма YOLO, позволяющие обрабатывать изображения онлайн. Алгоритм YOLO заново обучен с новыми классами, необходимыми для анализа дорожной ситуации. Произведен запуск алгоритма для обработки изображения, а также видеопотока, используя библиотеку компьютерного зрения OpenCV. Результаты проведенного исследования показывают, что алгоритм YOLO способен обрабатывать видео и работать с видеопотоком, при этом качество детектирования и классификации находится на высоком уровне.

This Bachelor's thesis considers using neural network algorithms for detecting and classifying objects in an image, such as Faster R-CNN and YOLO. The advantages of the YOLO algorithm allowing to process images online are analyzed and highlighted. YOLO algorithm is newly trained with new classes necessary for the analysis of the traffic situation. The implementation of the algorithm was applied to image and video stream processing using the OpenCV computer vision library. The results of the research show that the YOLO algorithm is capable of processing video and video stream, while the quality of detection and classification is at a high level.