المقدمة
منذ أن بدأت الشبكات العصبية تكتسب شعبية ، بدأ معظم المهندسين في حل العديد من مشاكل البرامج في مجال السلامة العامة باستخدام أساليب التعلم العميق. على الرغم من حقيقة أن الشبكات العصبية ليس لها منافسين فيما يتعلق باكتشاف وتحديد الأشياء ، إلا أنها لا تزال غير قادرة على التباهي بالقدرة على التحليل والتفكير ، ولكنها تخلق فقط أنماطًا لا يمكن فهمها أو تفسيرها دائمًا.
نحن نرى أن الأساليب القابلة للتفسير والتي يمكن التنبؤ بها ، مثل ، على سبيل المثال ، نهج ارتباط البيانات الاحتمالية ، ستكون أكثر فعالية لتتبع كائنات متعددة.
دقة التتبع ومزايا النهج الذي اخترناه واضحة للعيان (المزيد في المنشور):



مقارنة بين متتبع Re3 الشهير (يسار) ومكوننا AcurusTrack (يمين)
: “ Public Safety Software”. , - . , .
Public Safety , . ( , , ..). , , .
, , ( "" ), , , , ..
, . , , .
, :
, ( ) , , . — . , , , .
N , . F_1, ..., F_N. (detections) D_1,...,D_k, k<=N. i=1,...,N, (id).
, , , . , , iou — intersection over union — k k-1 ; . , , , .

, , , , . , : OY y , O — x, , . , (x, y), i- , (i∗img_w+x, y), img_w — .

, ( OX )
, , EvenVizion, .
. , (data association).
, , - (MCMC).
:
, :
- ;
- EvenVizion;
- ;
- , .
AcurusTrack
, :
- ,





AcurusTrack , :
- : , ;
- .
computer vision. , , .. .
AcurusTrack , , .
, , ( ).
, — GitHub.