Використання афінних перетворень для корекції зображень з подальшим використанням у системах розпізнавання

Abstract

Нині нейронні мережі набувають все більшої популярності і все частіше використовуються в різних галузях життя. Їх застосовують для аналізу даних, кластеризації, класифікації, виявлення об’єктів або схованих закономірностей. Все частіше зустрічаються варіанти застосування нейронних мереж у завданнях бізнес-прогнозування. Системи комп’ютерного зору не є винятком. Важливою складовою цих процесів є попередня обробка зображень. Відомо, що зображення, отримані з відеокамер, можуть виявляти перспективні спотворення, що походять від неідеальних кутів розташування камери. Зазвичай техніка афінного перетворення використовується для корекції геометричних спотворень або деформацій, таких як масштабування, переміщення, зсув, обертання. В роботі були проведені дослідження особливостей афінних перетворень і їх застосування з нейронними мережами. Розглянуто методи розпізнавання геометричних параметрів під час трансформації та переміщення зображень. Увагу приділено елементарним перетворенням, які враховують перенесення, масштабування, зсув, обертання. Розроблено математичну модель перетворення зображень для систем комп’ютерного зору. На базі запропонованого методу побудовано алгоритм перспективних перетворень зображень, отриманих з відеокамер, які знаходяться на автостоянках або парковках міста, що значно полегшує в подальшому виявлення, сегментацію і класифікацію об’єктів. Для покращення роботи класичної Mask R-CNN було проведено дослідження, в якому було додано блок з афінними перетвореннями до згорткової нейронної мережі. Афінні трансформації застосовано для корекції перспективного сходження ліній у кадрі, паралельних у реальності.