Classificazione real-time di veicoli in movimento con reti neurali

18/01/2021

Tra il 10 e il 15 gennaio 2021, l’IAPR – International Association of Pattern Recognition – ha organizzato ICPR2020, 25esima edizione dell’International Conference of Pattern Recognition, conferenza di punta in pattern recognition, che copre temi di computer vision e signal processing.

Il nostro Data Scientist, Marco Patanè ha presentato il suo articolo “Vehicle Classification from Profile Measures”, in cui sono state proposte due nuove reti neurali convoluzionali per la classificazione di oggetti, rappresentati come nuvole di punti 3D. L’applicazione considerata è quella della classificazione real-time dei veicoli tramite sensoristica laser finalizzata alla riscossione automatica dei pedaggi.

“La classificazione di immagini tramite reti neurali è un problema noto e molto studiato per cui esistono diversi tipi di architetture, chiamate convoluzionali, che permettono di risolvere efficacemente il problema. Lo stesso non si può dire per la classificazione di nuvole di punti 3D, che a differenza delle immagini 2D che hanno una struttura a griglia regolare ed ordinata, hanno la complicazione aggiuntiva di essere punti sparsi nello spazio senza alcun ordinamento”, spiega Marco.

Nell’articolo vengono analizzati diversi tipi di rete neurale che provano a risolvere il problema in diversi modi, per esempio trasformando le nuvole di punti in immagini 3D. Le nuove architetture proposte invece, riescono a risolvere il problema utilizzando come input per la rete neurale direttamente le nuvole di punti, mantenendo così molto bassa la complessità della rete e permettendo quindi di classificare i veicoli in real-time.

Per maggiori dettagli rimandiamo al paper completo.