SysCV/pcan
این پروژه یک مدل شبکه عصبی مبتنی بر توجه متقابل (Cross-Attention) است که برای ردیابی و تقسیم‌بندی همزمان چند شیء طراحی شده است.
کاربرد:
این مدل به خصوص در سناریوهای پیچیدی که تعداد زیادی شیء در حال حرکت وجود داره و باید همگی به درستی ردیابی و متمایز بشن، عملکرد خوبی داره.
در چه شرایطی بهتره استفاده شود؟
وقتی نیاز به دقت بالا در تشخیص و ردیابی اشیاء در ویدیوها دارید، مخصوصاً در محیط‌های شلوغ مثل خیابان‌های شهری یا فیلم‌های ورزشی، استفاده از این مدل مناسب‌تره.
چند مثال از موارد استفاده
- ردیابی خودروها و عابران در سیستم‌های خودران
- تحلیل حرکت بازیکنان در ویدیوهای ورزشی
- نظارت هوشمند با دوربین‌های امنیتی در فضاهای عمومی
- ##MultipleObjectTracking
- ##Segmentation
- ##CrossAttention
- ##NeurIPS2021
- ##ComputerVision
- ##DeepLearning
- ##MOTS
- ##PCAN
- ##AIResearch
- ##SmartSurveillance