Аннотация на русском языке: Одной из проблем, возникающих у алгоритмов склейки изображений, можно считать случай появления изображения обрезанного человека на границе склейки. Решению этой проблемы на примере обработки двух изображений и посвящена данная работа. Для выявления положения человека на снимке использовалась сегментационная свёрточная нейронная сеть ICNet. Непосредственное улучшение производилось путём добавления на результирующее изображение “недостающей” части, либо путём удаления “обрезанной” части человека. Склейка изображений осуществлялась через нахождение гомографии. Удаление / добавление объекта, а именно замещение пикселей, осуществлялось бесшовно с помощью решения уравнений Пуассона в частных производных с граничными условиями Дирихле. В случае удаления объекта для нахождения наиболее подходящих пикселей для замещения производилась минимизация специального функционала. Тестирование показало точность сегментации нейронной сети 70% и эффективность алгоритма постобработки.

The summary in English: One of the problems that arises in the image stitching task is the appearance of cut parts of a person on the «seam» of stitching. This work is dedicated to the solution of this problem for two images. To identify the position of a person in the image, the convolutional neural network ICNet for semantic segmentation was used. Improvement of stitching was done by adding the "missing" part of the person to the resulting image or by removing the "cut off" part of the person. The image stitching was done by finding a homography. The removal / addition of the object, that is to say the replacement of pixels, was carried out seamlessly by solving the Poisson equations in partial derivatives with the Dirichlet boundary conditions. In case of removing an object, to find the most suitable pixels for the replacement, the special functionality was minimized. The tests showed the 70% accuracy of the neural network and the efficiency of the postprocessing algorithm.

Ключевые слова: машинное обучение, нейронные сети, семантическая сегментация, ICNet, обработка изображений, склейка изображений, гомография, уравнения Пуассона
Key words: machine learning, neural networks, semantic segmentation, ICNet, image processing, image stitching, homography, Poisson equations