Comparison of neural network architectures in the human figure segmentation problem

Abstract

Работа посвящена сравнению архитектур нейронных сетей на примере задачи сегментации фигуры человека. Семантическая сегментация - важная область в сфере Computer Vision. Задачи сегментации решаются в таких проектах как: автономный транспорт, умный магазин и других. Смысл задачи состоит в нахождении множества пикселей, принадлежащих к интересующему объекту, на изображении. Лучше всего с этой задачей справляются сверточные нейронные сети. Автор работы подробно рассматривает 3 предобученные сверточные нейронные сети, способные решать задачу семантической сегментации, а также сравнивает качество работы нейронных сетей между собой. Для каждой нейронной сети считается метрика “Pixel Accuracy” на тестовом датасете, состоящим из 100 изображений. Также в работе была замерена скорость обработки видео каждой нейронной сетью. Итогом проведенной работы стала разработка программы, позволяющей проводить сравнение нескольких сверточных нейронных сетей в решении задачи семантической сегментации. А также результаты сравнение трех нейронных сетей в рамках решении задачи сегментации фигуры человека.

The work is devoted to comparing neural network architectures on the example of the problem of segmentation of the human figure. Semantic segmentation is an important part of the Computer Vision. Segmentation tasks are solved in projects such as Autonomous transport, smart store, and others. The purpose of the task is to find a set of pixels that belong to the object of interest on the image. Convolutional neural networks perform this task best. The author considers in detail 3 pre-trained convolutional neural networks that can solve the problem of semantic segmentation, and also compares the quality of neural networks among themselves. For each neural network, the “Pixel Accuracy” metric on the test dataset is considered to consist of 100 images. The speed of video processing by each neural network was also measured. The result of this work was the development of a program that allows comparison of several convolutional neural networks in solving the problem of semantic segmentation. As well as the results of comparing three neural networks in solving the problem of segmentation of the human figure.