Выпускная квалификационная работа на тему: «Применение нейронных сетей для оценки трафика магазина». В данной работе рассматривается реализация алгоритмов нейронных сетей для оценки трафика в магазине. Для решения поставленных задач были использованы методы глубокого обучения и компьютерного зрения. Задачи, решённые в ВКР: 1. Для обнаружения посетителей был использован алгоритм YOLOv5 2. Для установления связи между персонажами с несколькими камерами был реализован алгоритм повторного распознавания FastReID. 3. Для отслеживания посетителей был реализован алгоритм DeepSORT на основе FastReID и YOLOv5. 4. Была разработана система оценки трафика посетителей для супермаркета. 5. Были проведены экспериментальные оценки всех модулей и их сравнение с аналогами. 6. Были проведена экспериментальная оценка системы оценки трафика магазина. В результате исследования была создана система оценки трафика посетителей для супермаркетов, которая может идентифицировать входящих и выходящих людей с точностью до 95,5% и повторную идентификацию посетителей с точностью до 85,0%. В конце, на других больших публичных наборах данных мы сравнили реализации DeepSORT, FastReID с другими популярными алгоритмами и добились неплохих результатов.

Graduation thesis on the topic: "Application of neural networks to assess store traffic." This paper discusses the implementation of neural network algorithms for evaluating traffic in a store. To solve the tasks, deep learning and computer vision methods were used. Tasks solved in WRC: 1. The YOLOv5 algorithm was used to detect visitors 2. To establish communication between characters when working with several cameras, the FastReID re-recognition algorithm was implemented. 3. To track visitors, the DeepSORT-based algorithm was implemented. 4. A system for assessing visitor traffic for the supermarket was developed. 5. Experimental evaluations of all modules and their comparison with analogues were conducted. 6. An experimental evaluation of the stores traffic evaluation system was conducted. As a result of the study, a visitor traffic scoring system for supermarkets was created, which can identify incoming and outgoing people with an accuracy of up to 95.5% and re-identify visitors with an accuracy of up to 85.0%. In the end, on other large open datasets, we compared DeepSORT, FastReID implementations with other popular algorithms and achieved superior results.