Accurate object detection using memory-based models in surveillance scenes

تشخیص شی گام مهمی از نظارت هوشمند است. روش های موجود، به لحاظ فنی طراحی یا یادگیری ویژگی های خاص و مدل های تشخیص، به اهدافشان دست می یابند. برعکس، ما یک روش موثر برای تشخیص دقیق شیء پیشنهاد می کنیم که از طریق مکانیزم حافظه و پیش بینی در مغز ما الهام گرفته شده است. در ابتدا یک پنجره ثابت اندازه بر روی یک تصویر ثابت برای ایجاد یک توالی تصویر اسلاید شده است. سپس یک شبکه عصبی کانولوشن یک توالی ویژگی از توالی تصویر را استخراج می کند. در نهایت، حافظه طولانی مدت این ویژگی های پی در پی به منظور حفظ و تشخیص الگوهای تکراری را دریافت می کند. مشارکت ما 1) یک مدل طبقه بندی مبتنی بر حافظه است که در آن هر دو یادگیری ویژگی و یادگیری یکپارچه یکپارچه و 2) یک مدل پیش بینی مبتنی بر حافظه است که به ویژه برای پیش بینی مکان های موقعیت احتمالی در صحنه های نظارت طراحی شده است. در مقایسه با برخی از روش های پیشرفته، روش ما به بهترین وجه در شرایط دقت در سه مجموعه داده های نظارتی به دست می آید. روش ما می تواند برخی از بینش های جدید در مورد تحقیقات تشخیص شیء ارائه دهد.