ОГЛЯД МОДЕЛЕЙ НЕЙРОННИХ МЕРЕЖ ДЛЯ ЗАДАЧ ВИЯВЛЕННЯ 2D-ОБ’ЄКТIВ

У даному оглядовій статті представлено каталог моделей нейронних мереж глибокого навчання для задач виявлення 2D-об’єктiв на зображеннях. Ці моделі розділені на три групи: одноетапнi, двоетапнi та моделі, що базуються на трансформерах. Також згадані традиційні методи, розроблені до застосування глибокого навчання в задачах класифікації та виявлення. Розглядається постановка наступних задач комп’ютерного зору: класифікація зображення, локалізація зображення, виявлення об’єкта i сегментація зображення. Розглянуто також деякі фундаментальні компоненти виявлення 2D-об’єктiв, такі як загальноприйняті та широко використовувані набори даних (PASCAL-VOC, ILSVRC, MS-COCO, OpenImages, Objects365) та наведено перелік показників якості з їх коротким описом. Останні розділені на метрики якості та метрики швидкодії. У метриках якості наведено Precision, Recall, Average Precision (AP), mean Average Precision (mAP), Average Recall (AR). Перелік метрик швидкодії включає Inference Time (час виведення), FPS (Frame Per Seconds), Latency (затримка) i Throughput (пропускна здатність). Наведено mAP для різних моделей i наборів даних, а також приклади залежності mAP від швидкодії та кількості параметрів для різних версій лінійки моделей YOLO. Висловлено спосіб проведення порівняльного аналізу різних моделей виявлення із зазначенням відповідних програмних інструментів. Для кожної групи моделей надано стислий опис особливостей її функціонування. Стаття також містить короткий історичний нарис застосування моделі AlexNet у 2012 році на змаганні ILSVRC (ImageNet Large Scale Visual Recognition Challenge). Даний огляд безсумнівно представляє інтерес для здобувачів та науковців, які не знайомі з тематикою виявлення 2D-об’єктiв за допомогою нейронних мереж i методів машинного навчання, але при цьому бажають швидко отримати ознайомлювальну інформацію.