Reidentifikace automobilů v obraze

Abstract

Re-identifikácia vozidiel je užitočným nástrojom pre sledovanie a monitorovanie dopravy v rôznych situáciách. Táto práca sa zaoberá problematikou re-identifikácie automobilov v obraze, za účelom sledovania vozidiel pomocou kamerových systémov. Konkrétne sa zameriava na úlohu sledovania vozidiel pomocou viacerých kamier z medzinárodnej súťaže AI City Challenge. V práci bolo natrénovaných 5 typov konvolučných sieti a jeden transformerový model. Skúmalo sa, aké úspešnosti mali rôzne konvolúčne siete v porovnaní s transformerovym modelom pri úlohe re-identifikácie. S týmito sieťami sa vykonalo viacero experimentov nad viacerými dátovými sadami, pričom na VeRi datasete model resNeXt dosahoval úspešnosť až 86.35 %. Z dôvodu zapojenia do súťaže AI City Challenge v roku 2023 sa vytvoril aj dataset s ľuďmi, na ktorom sa vykonali rovnaké experimenty.Vehicle re-identification is a helpful technic for tracking and monitoring traffic in various situations. This thesis deals with the issue of re-identification cars in the image to track vehicles using camera systems. Specifically, it focuses on the multi-camera vehicle tracking task from the international AI City Challenge competition. In this work were trained five types of convolutional networks and one transformer model. It investigated how successfully different convolutional networks worked compared to the transformer model in the re-identification task. Several experiments were performed with these networks on several datasets, while the resNeXt model achieved a success rate of up to 86.35~\% on the VeRi dataset. Participation in the AI City Challenge in 2023 required creating a dataset with people for the re-identification task.