Описание проведенных экспериментов - Исследование алгоритмов
1) Эксперимент №1. Детектирование множества объектов.
Детектирование множества объектов - задача, с которой работающее приложение должно справляться при его непосредственном применении на практике. Главной задачей проведения такого эксперимента стало определение коэффициентов FP, FN, TP и TN, являющиеся показателем точности детектирования объектов.
Условия эксперимента:
- - длительность записи, сек: 60; - количество кадров: 1440; - количество пешеходов в кадре ежесекундно меняется. Общее число объектов составляет 8256 (вычисления показаны на рис. 3.1).
Для наглядной демонстрации эксперимента №1 на рис. 3.2-3.4. представлены кадры работы приложения в условиях, описанных выше. Количественные результаты представлены в сводной таблице сравнения эффективности рассматриваемых методов детектирования в п. 3.3.
Рисунок 3.1. Вычисление количества объектов
Рисунок 3.2. Демонстрация работы приложения на смартфоне LG G2. Эксперимент 1, метод Haar
Рисунок 3.3. Демонстрация работы приложения на смартфоне LG G2. Эксперимент 1, метод LBP
Рисунок 3.4. Демонстрация работы приложения на смартфоне LG G2. Эксперимент 1, метод HOG
2) Эксперимент №2. Детектирование одного объекта.
Эксперимент с детектированием одного объекта позволит определить среднее число пропущенных объектов в секунду, а также узнать среднее время обработки одного кадра. Такой тест поможет узнать, насколько велико время реакции системы.
Условия эксперимента:
- - длительность записи, сек: 10; - количество кадров: 240; - расстояние до объекта: 9 м. - общее количество объектов: 240.
На основе полученных данных можно рассчитать время, в течение которого система обнаружения будет бездействовать:
(1)
Где t' - время простоя, N - среднее количество пропускаемых объектов за секунду, - длительность одного кадра.
Демонстрация хода эксперимента №2 представлена на рис. 3.5-3.7.
Рисунок 3.5. Демонстрация работы приложения на смартфоне LG G2. Эксперимент 2, метод Haar
Рисунок 3.6. Демонстрация работы приложения на смартфоне LG G2. Эксперимент 2, метод LBP
Рисунок. 3.7. Демонстрация работы приложения на смартфоне LG G2. Эксперимент 2, метод HOG
Для объективного количественного анализа данных обоих экспериментов построена сводная таблица результатов (табл. 3.2). На основе абсолютных показателей, представленных в данной таблице, составлена дополнительная таблица (табл 3.3) с относительными показателями, выраженными в процентах. Коэффициенты TPR, FPR, Se и Sp вычисляются по следующим формулам:
; (2)
; (3)
; (4)
. (5)
Таблица 3.2
Результаты экспериментов №1 и №2 с максимальным разрешением входного кадра
LG G2 |
Philips W8510 |
LG P705 L7 | |||||||
Haar |
LBP |
HOG |
Haar |
LBP |
HOG |
Haar |
LBP |
HOG | |
Количество ложно отрицательных срабатываний (false negatives, FN) |
189 |
1106 |
343 |
272 |
1321 |
446 |
1205 |
1334 |
1238 |
Количество истинно положительных срабатываний (true positives, TP) |
8067 |
7150 |
7922 |
7984 |
6935 |
7810 |
7051 |
6922 |
7018 |
Количество ложно положительных срабатываний (false positives, FP) |
247 |
508 |
133 |
389 |
642 |
201 |
675 |
818 |
594 |
Среднее число пропущенных объектов в секунду (FNa) |
3,15 |
18,4 |
5,71 |
4,53 |
22,0 |
7,43 |
20,08 |
22,2 |
20,6 |
Время обработки входного кадра (t), мс |
218 |
140 |
167 |
200 |
143 |
179 |
308 |
237 |
166 |
Из таблиц видно, что время обработки одного кадра при использовании смартфонов LG G2 и Philips не намного меньше, чем значение этого показателя при запуске приложения на смартфоне LG P705, при том, что их вычислительная мощность на порядок выше. Можно сделать вывод, что такие показатели обусловлены слишком высоким разрешением входного изображения (1980х1080 и 1280х720). Также учитывается тот факт, что каскадные классификаторы были обучены по выборке изображений с разрешением 640х480.
Таблица 3.3
Вычисление относительных показателей по данным таблицы 3.2
LG G2 |
Philips W8510 |
LG P705 L7 | |||||||
Haar |
LBP |
HOG |
Haar |
LBP |
HOG |
Haar |
LBP |
HOG | |
Доля истинно положительных срабатываний (true positives rate, TPR) % |
97 |
86,6 |
95,9 |
96,7 |
83,9 |
94,5 |
85,4 |
83,8 |
85,0 |
Доля ложно положительных срабатываний (false positives rate, FPR) % |
17 |
35,2 |
9,2 |
27,0 |
44,6 |
13,9 |
45,6 |
56,8 |
41,25 |
Чувствительность модели (Sensitivity, Se), % |
97 |
86,6 |
95,9 |
96,7 |
83,9 |
94,5 |
85,4 |
83,8 |
85,0 |
Специфичность модели (Specificity, Sp), % |
83 |
64,8 |
90,8 |
73,0 |
55,4 |
86,1 |
54,4 |
43,2 |
58,75 |
Исходя из этого, было принято решение реализовать функцию для искусственного автоматического снижения разрешения. Функция снижает разрешение кадра, если оно превышает 640х480 пикселей; далее к полученному изображению применяются методы детектирования объектов, и, наконец, на экран выводится результат детектирования в изначальном разрешении. Реализацию функции можно найти в программном коде (приложение В).
В таблицах 3.4 и 3.5 представлены обновленные показатели, полученные в ходе повторного проведения экспериментов в тех же условиях с разрешением входного кадра 640х480. Цветом выделены обновленные данные.
Таблица 3.4
Результаты экспериментов №1 и №2 с разрешением входного кадра 640х480
LG G2 |
Philips W8510 |
LG P705 L7 | |||||||
Haar |
LBP |
HOG |
Haar |
LBP |
HOG |
Haar |
LBP |
HOG | |
Количество ложно отрицательных срабатываний (false negatives, FN) |
223 |
1312 |
522 |
462 |
1461 |
691 |
1205 |
1334 |
1238 |
Количество истинно положительных срабатываний (true positives, TP) |
8033 |
6944 |
7134 |
7794 |
6795 |
7565 |
7051 |
6922 |
7018 |
Количество ложно положительных срабатываний (false positives, FP) |
279 |
618 |
293 |
452 |
998 |
352 |
675 |
818 |
594 |
Среднее число пропущенных объектов в секунду (FNa) |
3,71 |
21,8 |
8,7 |
7,7 |
24,3 |
11,52 |
20,08 |
22,2 |
20,6 |
Время обработки входного кадра (t), мс |
98 |
71 |
88 |
132 |
107 |
145 |
308 |
237 |
166 |
Таблица 3.5
Вычисление относительных показателей по данным таблицы 3.4
LG G2 |
Philips W8510 |
LG P705 L7 | |||||||
Haar |
LBP |
HOG |
Haar |
LBP |
HOG |
Haar |
LBP |
HOG | |
Доля истинно положительных срабатываний (true positives rate, TPR) % |
97,2 |
84,1 |
86,4 |
94,4 |
82,3 |
91,6 |
85,4 |
83,8 |
85,0 |
Доля ложно положительных срабатываний (false positives rate, FPR) % |
19,3 |
42,9 |
20,3 |
31,3 |
69,3 |
24,4 |
45,6 |
56,8 |
41,25 |
Чувствительность модели (Sensitivity, Se), % |
97,2 |
84,1 |
86,4 |
94,4 |
82,3 |
91,6 |
85,4 |
83,8 |
85,0 |
Специфичность модели (Specificity, Sp), % |
80,7 |
57,1 |
79,7 |
68,7 |
30,7 |
75,6 |
54,4 |
43,2 |
58,75 |
Данные таблиц 3.2., 3.3, 3.4 и 3.5 указывают на то, что точность детектирования ухудшается при снижении разрешения входного кадра. Однако это ухудшение можно считать незначительным в сравнении с уменьшением времени обработки изображения (почти в 2 раза на смартфоне LG G2 и в 1,3 раза на смартфоне Philips).
Похожие статьи
-
Выводы по результатам тестирования - Исследование алгоритмов
По полученным в ходе анализа данным сделать вывод о качестве обученных каскадных классификаторов и о причинах таких результатов, а также выяснить, какие...
-
Программа экспериментальных исследований В предыдущей главе была описана процедура создания приложения, а также его структура и интерфейс. В данной главе...
-
В ходе разработки программы было использовано программное обеспечение Microsoft® Windows® "Подключение к удаленному рабочему столу" для извлечения...
-
Структура и интерфейс программы - Исследование алгоритмов
В этой части работы описывается процесс создания мобильного приложения на платформе Android, способного использовать обученные каскадные классификаторы...
-
Заключение - Исследование алгоритмов
В настоящей выпускной квалификационной работе была исследована процедура обучения каскадного классификатора с целью повышения точности и вычислительной...
-
В данной главе описан процесс создания Android-приложения, способного детектировать пешеходов в видеопотоке, используя обученный каскадный классификатор....
-
Введение - Исследование алгоритмов
С недавнего времени такая область кибернетики, как создание искусственных систем распознавания образов, стала представлять особый интерес. Потребность в...
-
В среде электронного ресурса ИИС "MD_SLAGMELT" (Рис. 6) для доступа к компоненту "моделирование" необходима учетная запись (пара логин/пароль) (Рис.7)....
-
Общее описание программного обеспечения, реализующего разработанный алгоритм Основной идеей дипломного проекта, является реализация алгоритма...
-
Выбор мобильной платформы и изучение инструментов разработки - Исследование алгоритмов
Практическая реализация алгоритмов, представленных в предыдущих пунктах, предполагает: 1) Выбор мобильной платформы; 2) Изучение соответствующей среды...
-
В работе возникает необходимость выбора предметной области, в которой будет тестироваться каскадный классификатор. Главными вопросами на данном этапе...
-
Для того, чтобы строить диаграммы в соответствии с рисунком 2.7, необходимо реализовать алгоритм соединения двух объектов линией. Для отображения линии...
-
Входная информация разделяется на условно-постоянную и оперативно-учетную информацию. - Условно-постоянная информация включает в себя справочные данные о...
-
Формулировка задания: Составьте программу подсчета числа тех гласных букв в слове X, что не используются в написании слова Z. Описание входных/выходных и...
-
Графический способ описания алгоритмов
Графический способ описания алгоритмов Цель практической работы Цель работы: изучение графического способа описания алгоритма для решения задачи. Задачи...
-
ER - диаграмма базы данных была представлена на рис. 2. Рис.2. ER-диаграмма базы данных. Таблица admin - содержит два столбца login и password которые...
-
Описание организации, являющейся объектом исследования выпускной квалификационной работы Краткая характеристика деятельности организации Объектом...
-
Исследования временных затрат алгоритмов - Алгоритмы нескольких махов
Исследования временных затрат алгоритмов были проведены для трех вариантов программ: LBFS4, LBFS3, MNS3; для двух вариантов сборки исполняемого файла:...
-
В настоящее время биометрия входит в состав наиболее распространенных технологий и средств защиты информации. Отпечатки пальцев являются самой широко...
-
Описание деятельности ИТ-отдела компании в рамках разработки ключевых показателей эффективности является одной из важнейших частей процесса. Однако...
-
Описание SEIR-модели эпидемии Современные социальные информационные сети позволяют обмениваться различными видами мультимедийной информации среди ее...
-
Описание проекта, который является объектом исследования Проект - представляет собой внедрение информационно - аналитической системы управления карьерой...
-
Каскадный классификатор - Исследование алгоритмов
В настоящее время метод Виолы-Джонса является самым популярным методом для детектирования в силу своей высокой скорости и эффективности. В 2001 году П....
-
Описание лингвистического эксперимента - Создание приложения
Поскольку каждое приложение имеет своего потребителя, следует изучить его предпочтения. Для приложения KotobaQuiz в качестве основного потребителя...
-
Обучение каскадного классификатора - Исследование алгоритмов
В OpenCV есть два приложения для тренировки каскадов URL: http://docs. opencv. org/modules/objdetect/doc/cascade_classification. html?...
-
Описание алгоритмов обучения - Функциональные модели универсального нейрокомпьютера
Все алгоритмы обучения сетей методом обратного распространения ошибки опираются на способность сети вычислять градиент функции ошибки по обучающим...
-
С целью более удобного проектирования, настройки, и разделения отдельных исполняемых операций, программа построена на классах, которые взаимодействуют...
-
Пусть в сборку входит n монтажников, Тогда - множество монтажников, участвующих в одном этапе - рабочие, участвующие в выполнении одной операций -...
-
Для того, чтобы использовать симметричные алгоритмы шифрования, необходимо безопасно обменяться ключами. Протокол Диффи - Хеллмана позволяет двум и более...
-
Обобщенный алгоритм решения задачи Необходимо рассчитать сумму налога на дарение, воспользовавшись налоговой шкалой. Если сумма подарка менее 80, то она...
-
ОПИСАНИЕ ПРОГРАММЫ, ОСНОВНЫЕ ПЕРЕМЕННЫЕ И СТРУКТУРЫ - Структуры и алгоритмы обработки данных
ОСНОВНЫЕ ПЕРЕМЕННЫЕ И СТРУКТУРЫ Struct BD { char FIO[32]; // фоpмат <Фамилия>_<Имя>_<Отчество> int numberO; char dolzhnost[32]; char dateB[8]; }...
-
Описание алгоритмов Рассмотрим один из основных алгоритмов, задействованных в программе, - алгоритм передвижения мяча. Блок-схема алгоритма изображена на...
-
Задание: 1. Прочитать текст "Алгоритм и его свойства", в таблице №1 "Алгоритм и его свойства" проверьте правильное заполнение таблицы. Запишите в тетрадь...
-
Результаты проведенных экспериментов содержатся во внутреннем серверном файловом хранилище (Рис. 2). Представляют собой документы формата "*.DAT". В них...
-
Рисунок 10. Архитектура программы В структуре программы обработки сложноструктурированных данных для научного эксперимента в ИИС "Шлаковые расплавы"...
-
Вычислительные эксперименты для оценки эффективности параллельного варианта метода Гаусса для решения систем линейных уравнений проводились при следующих...
-
Постановка задачи, Описание программы, Алгоритм работы - Алгоритм кодировки RSA
Реализовать клиент серверное приложение для пересылки закодированной информации. В качестве алгоритма реализовать алгоритм RSA. Описание программы...
-
Численные эксперименты были проведены для следующих целей: Подтверждение корректности алгоритмов. Подтверждение линейности временных затрат алгоритмов. В...
-
Обучение с учителем и формальная запись задачи классификации Теория машинного обучения решает задачи предсказания будущего поведения сложных систем в том...
-
Объектом исследования является микросхема 4-х процессорной "системы на кристалле" на базе ядер 32-разрядных процессов цифровой обработки сигналов с...
Описание проведенных экспериментов - Исследование алгоритмов