Изменения

Самым простым методом детекции объектов является метод скользящего окна методом R-CNN(англ. ''Regions with Convulational Neural Network'' - Выделение регионов с помощью свертоных сетей), при котором мы проходимся некоторым окном фиксированного размера по каждому кусочку картинки, и применяем к нему простой классификатор, обученный распознавать заранее определенный набор объектов. Модификации этого метода, такие как [[Faster R-CNN | Faster R-CNN]] применяются до сих пор

==[[Сегментация изображений =={{main| Сегментация изображения]]==изображений}}Задача похожая на детекцию объектов, но в отличие от нее требуется не окружить найденные объекты рамками, а выделить пиксели, которые этот объект составляют. Сегментация применяется во многих областях, например, в производстве для индикации дефектов при сборке деталей, в медицине для первичной обработки снимков, также для составления карт местности по снимкам со спутников. Самый простой алгоритм Одним из типичных способов сегментации – WaterShed, заключающийся в разделении на куски функции от координат пикселей, начиная с минимумов этой функции. Также для сегментации применяют алгоритм является применение модели U-Net, представляющий представляющую из себя нексколько слоев сверточной сети, которые различаются по размеру, и в совокопности имеют U-образную форму, что и отражено в названии.

[[Файл:WaterShedSegmentation.jpgpng|600px|thumb|centre|Результат Типичные примеры изображений, обработанных алгоритмами сегментации изображдения алгоритмом WaterShed. Источник: Статья на хабре[https://habr.com/ru/company/intel/blog/266347/]]]

==Оценка положения==Задача оценки положения объекта(англ. Pose Estimation)==Задача, в некотором роде продолжающая задачу сегментации. Заключается в выделении некоторого каркаса объекта (например скелета, если речь идет о людях) и определении положения этого каркаса на изображении. Этот скелет может быть использован в последствии например для предсказания направления движения. В зависимости от количества рассматриваемых объектов различают ''singleодиночную оценку положения(англ. Single-person'' pose estimation) и ''multiмножественную(англ. Multi-person'' pose estimation). Различие состоит в том, что во втором случае необходимо также учитывать, что объекты могут накладываться друг на друга. Для выполнения этой задачи сначала обрезается фон, оставляя только изображения непосредственно объектов, а затем для каждого из объектов с помощью сверточных нейронных сетей выделяются области суставов, которые затем соединяются.

Задача состоит в том, чтобы по известному набору объектов научится создавать похожие объекты, но при этом не совпадающие ни с одним из тестовых. Например создавать анимационных персонажей в стилистике мультфильма, нарисовав руками только пару из них. Для этого применяют такие архитектуры как [[Generative Adversarial Nets (GAN) | GANгенеративно состязательные сети]](англ. ''Generative adversarial network'' - генеративно состязательная сеть), при которой сеть делится на две, одна из которых стремится создать объект, а вторая его отбраковать, или [[Вариационный автокодировщик|вариационный автокодировщик]], обучающийся на плотностях вероятностей исходных данных

[[Файл:GANGAN1.jpeg|600px|thumb|centre|Пример генерации изображения методом GAN. Источник: [https://medium.com/@jonathan_hui/gan-some-cool-applications-of-gans-4c9ecca35900]]] ==Анализ видео==Так как видео представляет из себя набор изображений, одинакового размера, обычно сделанных через разные интервалы времени, то для него применимы все те задачи, которые были описаны ранее. Также появляются такие задачи как предсказание движения, заключающееся в том, чтобы по набору кадров предсказать положение объекта в следующих кадрах, или более общая задача ситуационный осведомленности(англ. Situation Awarness), заключающаяся в том, чтобы для каждого объекта в видео уметь определить его положение и статус на всех кадрах видео