ارائه روشی نوین برای توصیف ناحیه مورد علاقه در استاندارد کدگذاری ویدئو برای ماشین ها

با گسترش کاربردهای تحلیل ویدئو در کاربردهایی مانند نظارت ویدئویی و خودروهای خودران، نیاز به روش های کارآمد برای کاهش پیچیدگی پردازش و فشرده سازی داده بیش از پیش اهمیت یافته است. در کدگذاری ویدئویی برای ماشین ها برخلاف استانداردهای سنتی، تمرکز بر انتقال کارآمد اطلاعات معنادار برای تحلیل ماشینی است. چالش اصلی در این حوزه، پیچیدگی بالای شبکه های تشخیص اشیاء و هزینه سنگین پردازش آن ها در دستگاه های بلادرنگ است. در این پژوهش، یک نسخه ساده سازی شده از YOLOv۸ ارائه می شود که با بهره گیری از چنددقتی سازی محاسبات، هرس وزنی و تقطیر دانش، پیچیدگی مدل را بدون افت محسوس عملکرد کاهش می دهد. همچنین یک ساختار کدگذار/کدگشا مبتنی بر تولید سه جریان ایجاد شده است تا نرخ بیت ورودی در مرحله کدگذاری کاهش یابد. نتایج تجربی نشان می دهد که روش پیشنهادی زمان تاخیر در تشخیص اشیاء را تا ۵۰ درصد کاهش می دهد درحالی که، دقت را تنها ۰٫۰۵درصد تحت تاثیر قرار می دهد و امکان پردازش بلادرنگ ویدئو را فراهم می سازد. افزون بر این، تقسیم بندی جریان ورودی سبب کاهش نرخ بیت بدون افت محسوس در دقت تشخیص می شود.نوآوری اصلی این کار، ترکیب ساده سازی ساختاری شبکه با معماری جدید کدگذاری سه جریانی است که به طور هم زمان موجب کاهش پیچیدگی محاسباتی و بهبود فشرده سازی در سناریوهای بلادرنگ می شود.

کلیدواژه ها:

کدگذاری ویدئویی برای ماشین ها ، فشرده سازی ویدئو ، تشخیص اشیاء ، YOLOv۸ ، فراداده ، نواحی مورد علاقه