Згорткові нейронні мережі для аналізу рухомих об'єктів у відеопотоці

DOI: 10.31673/2412-9070.2025.042042

Анотація

У статті проведено огляд та аналіз сучасних методів використання згорткових нейронних мереж (CNN) для обробки рухомих об'єктів на відео. Розглянуто особливості застосування CNN у задачах розпізнавання, відстеження та класифікації об'єктів у відеопослідовностях. Окреслено ключові переваги згорткових нейромереж, зокрема їх здатність до автоматичного виділення просторових і часових ознак, а також обробки великих обсягів даних.
Аналізуються основні архітектури CNN, які використовуються для роботи з відео даними. Особлива увага приділяється технологіям обробки даних у реальному часі, адаптивному масштабуванню моделей та інтеграції нейромереж із апаратними платформами. Висвітлено основні виклики, включаючи проблему масштабованості, оптимізації обчислювальних ресурсів, врахування часових залежностей та забезпечення точності в умовах складного фону.
Отримані результати можуть бути корисними для подальшого розвитку інтелектуальних систем комп’ютерного зору, зокрема у сфері автономних транспортних засобів, систем відеоспостереження, аналізу поведінки та автоматизації промислових процесів. Представлений аналіз сприяє розумінню перспектив і обмежень використання CNN у динамічних сценаріях і окреслює напрями для майбутніх досліджень.

Ключові слова: згорткові нейронні мережі; розпізнавання об'єктів; відстеження руху; комп'ютерний зір; 3D-CNN; гібридні архітектури.