Попередня обробка зображень об’єктів перед їх детектуванням засобами нейронної мережі YOLO

Анотація

Розроблено програмне забезпечення на мові Python для попередньої цифрової обробки зображень об’єктів перед їх детектуванням за допомогою штучної нейронної мережі You Only Look Once (YOLO). Проведено детектування  зображень об’єктів, а саме автомобілів та інших учасників дорожнього руху. Попередня обробка зображень виконувалася шляхом еквалізації їх гістограм та підвищенням локального контрасту. Початкові зображення зчитувалися з відеокамер або з графічних файлів. Детектування зображень виконано моделлю середнього розміру YOLOv8m згорткової нейронної мережі YOLO. У результаті детектування досліджувані об’єкти, зокрема, автомобілі, виділялися прямокутними рамками.  Для оцінки точності детектування об’єктів використано ряд метрик (параметрів): Precision, Recall, Intersection over Union (IoU), F1, Average Precision (AP). Мережу YOLO попередньо навчено на наборі даних Common Objects in Context. Нейронна мережа YOLO повертає ймовірність розпізнавання об’єкта, координати його центру (x, y) на зображенні та ширину і висоту (w, h). Виявлені об’єкти виділяються прямокутними обмежувальними рамками. Встановлення положення обʼєктів на зображеннях виконувано в ручному режимі за допомогою інструменту Roboflow, який дозволяє точно встановити просторове положення кожного обʼєкту. Дослідження впливу попередньої обробки зображень об’єктів на точність їх детектування мережею YOLO виконано на прикладі типового зображення дорожнього руху. Після еквалізації гістограми вона стає більш симетричною і рівномірною, що підвищує візуальну якість навіть темних та світлих ділянок. За рахунок цього підвищено точність детектування обʼєктів практично за всіма метриками (параметрами). Збільшення точності детектування за параметром IoU складає 0.169. Сумарне покращення точності детектування за параметрами IoU, F1, AP складає 0.502. Показано, що після попередньої обробки зображень точність детектування обʼєктів підвищилася, тому детектування всіх автомобілів виконано правильно. Розроблене програмне забезпечення може застосовуватися у різноманітних системах комп’ютерного зору, а також у системах Інтернету речей для дистанційного моніторингу та контролю.