Sledování objektů ve videu

Abstract

Tato diplomová práce se zabývá segmentací objektů v obrazových datech a sledováním objektů ve videosekvencích s využitím nejmodernějších modelů hlubokého učení. Hlavní část práce je věnována návrhu a realizaci řešení interaktivní segmentace střevních polypů, vycházejícího z modelu SAM2, který byl doladěn na proprietárních datových sadách poskytnutých společností MAIA Labs. Experimentálně byly dotrénované modely porovnány s tradičními segmentačními metodami, včetně architektur U-Net a systému tracking-by-detection. Výsledky experimentů prokázaly, že SAM2 dosahuje výrazně lepších výsledků, zejména v oblasti video segmentace, a vykazuje značný potenciál pro praktické využití, např. pro zrychlení a zpřesnění procesu anotace nových dat.

This thesis focuses on object segmentation in image data and object tracking in video sequences using state-of-the-art deep learning models. The core part of the work is dedicated to the design and implementation of an interactive segmentation solution for colorectal polyps, based on the SAM2 model fine-tuned on a proprietary datasets provided by MAIA Labs. The fine-tuned models were experimentally compared with traditional segmentation methods, including U-Net architectures and a tracking-by-detection system. The results demonstrated that SAM2 achieves significantly better performance, particularly in video segmentation, and that it shows strong potential for practical applications – for instance, in accelerating and improving the annotation of new data.