Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
OpenTalks.AI - Дмитрий Пагин, Fast cars detecti...
Search
OpenTalks.AI
February 21, 2020
Science
0
2.1k
OpenTalks.AI - Дмитрий Пагин, Fast cars detection and traffic estimation
OpenTalks.AI
February 21, 2020
Tweet
Share
More Decks by OpenTalks.AI
See All by OpenTalks.AI
OpenTalks.AI - Виктор Лемпицкий, Моделирование 3Д сцен: новые подходы в 2020 году
opentalks
0
490
OpenTalks.AI - Алексей Чернявский, Нейросетевые алгоритмы для повышения качества медицинских изображений
opentalks
0
430
OpenTalks.AI - Александр Громов, Устойчивость нейросетевых моделей при анализе КТ/НДКТ-исследований
opentalks
0
370
OpenTalks.AI - Денис Тимонин, Megatron-LM: Обучение мультимиллиардных LMs при помощи техники Model Parallelism
opentalks
0
510
OpenTalks.AI - Егор Филимонов, Возможности платформы Huawei Atlas и эффективный гетерогенный инференс.
opentalks
0
150
OpenTalks.AI - Александр Прозоров, Референсная архитектура робота сервисного центра в отраслях с изменчивыми бизнес-процессами
opentalks
0
380
OpenTalks.AI - Наталья Лукашевич, Анализ тональности по отношению к компании — с чем не справился BERT
opentalks
0
340
OpenTalks.AI - Константин Воронцов, Фейковые новости и другие типы потенциально опасного дискурса: типология, подходы, датасеты, соревнования
opentalks
0
440
OpenTalks.AI - Дмитрий Ветров, Фрактальность функции потерь, эффект двойного спуска и степенные законы в глубинном обучении - фрагменты одной мозаики
opentalks
0
470
Other Decks in Science
See All in Science
AI(人工知能)の過去・現在・未来 —AIは人間を超えるのか—
tagtag
0
110
風の力で振れ幅が大きくなる振り子!? 〜タコマナローズ橋はなぜ落ちたのか〜
syotasasaki593876
1
110
Machine Learning for Materials (Challenge)
aronwalsh
0
350
academist Prize 4期生 研究トーク延長戦!「美は世界を救う」っていうけど、どうやって?
jimpe_hitsuwari
0
400
LayerXにおける業務の完全自動運転化に向けたAI技術活用事例 / layerx-ai-jsai2025
shimacos
2
15k
データベース04: SQL (1/3) 単純質問 & 集約演算
trycycle
PRO
0
1k
データベース10: 拡張実体関連モデル
trycycle
PRO
0
1k
My Little Monster
juzishuu
0
170
データベース03: 関係データモデル
trycycle
PRO
1
280
深層学習を用いた根菜類の個数カウントによる収量推定法の開発
kentaitakura
0
190
機械学習 - 授業概要
trycycle
PRO
0
260
知能とはなにかーヒトとAIのあいだー
tagtag
0
150
Featured
See All Featured
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
27k
Practical Orchestrator
shlominoach
190
11k
The World Runs on Bad Software
bkeepers
PRO
72
11k
Building Flexible Design Systems
yeseniaperezcruz
329
39k
Faster Mobile Websites
deanohume
310
31k
Bootstrapping a Software Product
garrettdimon
PRO
307
110k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
190
55k
KATA
mclloyd
PRO
32
15k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
YesSQL, Process and Tooling at Scale
rocio
173
15k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
230
22k
Transcript
Fast cars detection and traffic estimation Dmitriy Pagin, ML and
CV developer
Task Road traffic analysis in Russia is manual. It takes
more than 8 hours for 15 minutes video today
Task • detect cars
Task • detect cars • track cars
Baseline - people tracking
Problems Cars: - faster (2 metres per frame!) - smaller
(10 px in minimal dimension) + more predictable movement
YOLOv2 - blinking - problems on small cars - problems
on edges
YOLOv2 1 fps
YOLOv3 - bigger + accurate on small + fullHD frame
+ robust
YOLOv3 7 fps
> 70k cars on 4k images Dataset
better than 1024x1024x1 Learning and Fine-tuning - 608x608 px -
batchSize = 3 - custom augmenters
None
Learning and Fine-tuning - 608x608 px - batchSize = 3
- custom augmenters - Radam optimizer (instead warmup + reduce LR) - Hard negative mining for trucks
Learning and Fine-tuning - 608x608 px - batchSize = 3
- custom augmenters - Radam optimizer (instead warmup + reduce LR) - Hard negative mining for trucks mAP75 = 0.96
Baseline Inference Speed 7 fps
Weights Pruning
Weights Pruning -25% convs = size: 240 mb mAp: 0.9656
inf: 150 ms size: 155 mb mAp: 0.9622 inf: 100 ms 10 fps
OpticalFlow step or classical cv is alive ! - find
good features to track - calculate sparse optical flow
OpticalFlow step 19 fps Calculation doesnt work for 3 consistent
frames
Speed extrapolation step - estimate speed as pixels/frame - extrapolate
next position 28 fps
Final pipeline 1 2 3 4 5 6 Update trajectories
4 5 6 step 1 step 2 Speed Extrapolation OpticalFlow YOLOv3 Detection Engine
1 fps -> 28 fps on FULLHD
Tracking - IoU - Color descriptor (it’s enough!)
Bridges! - Allowed zone by motion vector - Size overlap
- Color descriptor
Bridges! - Allowed zone by motion vector - Size overlap
- Color descriptor
Thanks! Questions?
[email protected]
+7 952 335 65 70
Appendix. Examples
Appendix. Examples
Appendix. Examples
Appendix. Yolov3
Weights Pruning Шаг mAP75 Число параметров, млн Размер сети, мб
От изначальной, % Время прогона, мс Условие обрезания 0 0.965 60 241 100 150 - 1 0.962 55 218 91 140 5% от всех 2 0.962 50 197 83 132 5% от всех 3 0.963 39 155 64 112 15% для слоев с 400+ сверток 4 0.955 31 124 51 100 10% для слоев с 100+ сверток
Appendix. Radam
Pruning convs
Pruning convs. Good choice 2000
Pruning convs. Bad choice 25
Pruning flat