СВЕРТОЧНАЯ НЕЙРОННАЯ СЕТЬ ДЛЯ РАСПОЗНАВАНИЯ И ОТСЛЕЖИВАНИЯ СМЕЩЕНИЙ ОБЪЕКТОВ
В статье представлена разработка и реализация сверточной нейронной сети (CNN), предназначенной для распознавания лиц и рук на цифровых изображениях, а также анализа их смещений между двумя последовательными кадрами. Предложенный метод не ограничивается задачей детекции, а дополняется вычислением величины перемещений распознанных объектов, что позволяет фиксировать динамику поз. Для обучения модели был создан специализированный датасет из 1200 изображений, содержащий около 1800 лиц и 2400 рук, размеченных в формате Pascal VOC. В качестве архитекту-ры выбрана MobileNetV2 с SSD-головой, обучение проводилось во фреймвор-ке Keras с применением техник аугментации данных. Эксперименты показали результат mAP@0.5 = 0.76 на тестовой выборке и точность классификации смещений 82,5 %. По сравнению с существующими решениями (OpenPose, MediaPipe, TensorFlow Object Detection API), предложенный подход обеспечива-ет оптимальный баланс между точностью и вычислительной эффективностью, дополняя функционал возможностью анализа смещений. Метод может применяться в реальном времени для задач распознавания жестов, человеко-машинного взаимодействия и видеонаблюдения.
Сведения
- Опубликовано
- 2025 · Т. 6, № 3(23), С. 202-221
- Язык
- Русский
- ISSN
- 2708-2032 · 2708-2040
- Издатель
- International Information Technology University
- Аффилиации
- Атырауский университет имени Х. Досмухамедова, Атырау, Казахстан
Карабюкский университет, Карабюк, Турция