Нейросетевые трекеры находят выбранный объект на каждом кадре и следят за его перемещением. Такие системы используют в робототехнике, видеонаблюдении и автономных устройствах.
Ученые МГУ изучили, как нейросеть обрабатывает изображение на разных этапах, и сравнили полученные данные с точностью слежения. В результате они нашли показатель, который тесно связан с тем, насколько хорошо система определяет положение объекта. На отдельных видеозаписях коэффициент корреляции достигал 0,96.
Новый подход позволяет лучше понимать, почему один трекер справляется с задачей точнее другого. Полученные данные можно учитывать при обучении и настройке нейросетей, чтобы улучшать качество слежения.
По словам разработчиков, результаты могут пригодиться при создании более точных систем видеонаблюдения, робототехники и других автономных систем.
