Հսկողության տեսանյութի օբյեկտների հայտնաբերում

Համակարգչային ճանաչում - Համակարգիչներին տեսողություն տալը

Համակարգչային ճանաչումը և համակարգչային տեսողությունը, ընդհանուր առմամբ, ունեն երկար ընդարձակ պատմություն՝ որպես մարտահրավերային և բարդ ոլորտներ, որտեղ առաջընթացը մինչև ML/AI-ի ի հայտ գալը սահմանափակ էր: Խիստ հակառակ պատկերին, համակարգչային գրաֆիկայի դեպքում կարճ ժամանակահատվածում բազմաթիվ առաջընթացներ են գրանցվել 2D/3D մոդելավորման, համակարգչային նախագծման (CAD), թվային անիմացիոն ֆիլմերի, ինչպիսիք են Pixar-ի կողմից արտադրվածները, և վիդեո խաղերի ոլորտներում: Ժամանակակից հաշվարկումը լավ հարմարվում էր պատկերների գրանցմանն ու ստեղծմանը, բայց ոչ դրանք ընկալելուն:

Վերլուծությունը, օրինակ, կարող է ապահովել իրական ժամանակում գործողություններ ձեռնարկելու հնարավորություն տվող ծանուցումներ անվտանգության և հարակից անձնակազմի համար: Համակարգչային ճանաչման/համակարգչային տեսողության խնդիրները լուծելու համար դասական ալգորիթմական ծրագիր գրելը դժվար է, թեև արհեստական բանականության կիրառումը խնդիրը դարձնում է լուծելի:

Խնդրի լուծումը արհեստական ինտելեկտի միջոցով

Այս խնդիրը բարձրացնում է այն հարցերը, թե ինչպես են մարդիկ ճանաչում առարկաները տեսողական տիրույթում, ինչը նույնպես անհավանական դժվար է պատասխանել: Թեև սա դեռևս շատ բաց հարց է, արհեստական նեյրոնային ցանցերը ապացուցել են իրենց անհավանական օգտակարությունը համակարգչային ճանաչման/համակարգչային տեսողության ոլորտում:

Խորը ուսուցման տեխնիկայի և հսկայական պատկերների տվյալների բազայի միջոցով հնարավոր է մոդել մարզել՝ օբյեկտները ճանաչելու համար: Ամենատարածված տվյալների բազան Common Objects in Context (https://cocodataset.org/) որը պարունակում է հետևյալը ըստ իրենց սահմանման՝

  • Օբյեկտների հատվածավորում
  • Ճանաչում համատեքստում
  • Superpixel նյութերի հատվածավորում
  • 330K պատկեր (>200K պիտակավորված)
  • 1.5 միլիոն օբյեկտի օրինակ
  • 80 օբյեկտի կատեգորիա
  • 91 նյութի կատեգորիա
  • 5 վերնագիր մեկ պատկերի համար
  • 250,000 մարդ հիմնակետերով

Այս տեղեկատվությամբ տարբեր արհեստական բանականության մոդելների մարզումը բավականին արդյունավետ է դրսևորվել, երբ մոդելը գործարկվում է գնահատման տվյալների բազայի վրա:

Կազմակերպչական մարտահրավերի ակնարկ

Ենթադրելով, որ գոյություն ունի AI հնարավորություն՝ վիդեոհոսքերի ներսում օբյեկտները վերլուծելու համար (ինչը որ կա), ինչպե՞ս կազմակերպությունը կիրառի նման լուծումը։ Դեռևս գոյություն ունի ավելի լայն խնդիր՝ նման մոդելը արտադրական միջավայրում կիրառելու, որը կարող է մասշտաբավորվել և գործել կարգավորող շրջանակի ներսում։

Ավանդաբար կազմակերպությունները իրենց ՏՏ բաժիններին հանձնարարում էին տեղադրել նման հնարավորություն։ Սովորաբար կազմակերպությունները գտնում էին պատրաստի ծրագրային ապահովում՝ խնդիրը լուծելու համար կամ դիմում էին հատուկ ծրագրային ապահովման մատակարարի՝ առկա լուծումը կառուցելու կամ հարմարեցնելու համար, եթե նման լուծումը հեշտությամբ հասանելի չէր։ Արհեստական բանականության համակարգերի բարդության պատճառով երկու տարբերակներն էլ երկար ժամանակ հասանելի չէին լինի:

Տեխնիկական մարտահրավերներից բացի, կան նաև ներքին քաղաքականություններ և տարբեր համապատասխանեցման պահանջներ, որոնց կազմակերպությունները սովորաբար պետք է հետևեն, ինչպիսիք են տվյալների գաղտնիությունը, որոնք, թեև կապված են, տարբեր ոլորտների փորձագետների խնդիրներ են: Այսպիսով, նման լուծման իրականացումը կպահանջի կազմակերպության շատ այլ ոլորտների փորձաքննություն՝ պահանջելով բարդ նախագծերի կառավարում: Ներքին ռազմավարությունների այլընտրանքը նման հնարավորությանը հասնելն է Արհեստական Բանական Ինտելեկտը որպես Ծառայություն բիզնեսի միջոցով, ներառյալ Telemus AI™-ը, այնպես, ինչպես ամպային ծառայություններին հասնելը:

Որպես AI մուտքային տվյալներ հասանելի կազմակերպչական տվյալներ

Կազմակերպությունների մեծ մասը անվտանգության նպատակներով օգտագործում է հսկողության խցիկներ (CCTV) և տարբեր վիդեոհոսքեր ուղարկում է կառավարման սենյակ՝ հսկուման համար: Սովորաբար այս վիդեոհոսքերը 24/7 ռեժիմով հսկում են անվտանգության աշխատակիցները՝ բացահայտելու համար ցանկացած գործունեություն, որը կարող է չընդունվել որպես ընդունելի կամ պահանջել հետագա հետաքննություն կամ գործողություն: Այս վիդեոհոսքերը կարող են փոխանցվել արհեստական բանականության համակարգի միջոցով: AI-ը տեղեկացնում է անվտանգության աշխատակիցներին, եթե ինչ-որ բան պահանջում է հետագա հետաքննություն:

Այս մոտեցման առավելությունն այն է, որ AI համակարգը կարող է հնարավորություն ունենալ հայտնաբերելու այնպիսի անոմալիաներ, որոնք մարդը հակառակ դեպքում կբաց թողներ, եթե դրանք ակնհայտ չեն կամ անվտանգության աշխատակիցների ուշադրությունը նվազել է։ Մեկ այլ տեսանկյունից դա նշանակում է, որ անվտանգության աշխատակիցների՝ տեսահոսքերում կատարվողը հասկանալու կարողությունը հասցվել է ավելի բարձր մակարդակի։ Այսպիսով, սա նման է այլ ոլորտներում մեր կարողությունները բարձրացնելու համար գործիքների կիրառմանը։

Թեև այս տեխնոլոգիայի պոտենցիալը կարող է որոշ մարդկանց համար անհանգստացնող լինել, անհրաժեշտ է հաշվի առնել, որ ցանկացած դեպքում անհատը հետևում է վիդեոհոսքերին, և AI-ը պարզապես օգնում է անվտանգության անձնակազմին դիտել կադրերը, և պետք է կշռադատել օգուտները: Հաշվի առնելով, որ տեխնոլոգիան գործում է կարգավորված և անվտանգ կերպով՝ խիստ կառավարման շրջանակներում, հնարավոր դրական արդյունքը կլինի հսկայական:

Ինտեգրման մեթոդաբանություն

Ստորև ներկայացված է այն գործընթացի ընդհանուր ակնարկը, որը մենք կիրականացնենք բարձր մակարդակում՝ կազմակերպության ներսում նմանատիպ հոսքերը վերլուծելու համար:

  1. Բացահայտել CCTV հոսքերը և այն համակարգը, որն ապահովում է նման հոսքերի մոնիտորինգն ու գրանցումը
  2. Փոփոխեք ծրագրակազմը՝ իրական ժամանակում վերլուծության համար հոսքերը ամպային հաշվարկման մատակարարին ուղարկելու համար
  3. Փոխանցեք հոսքերը Telemus AI-ի միջոցով™ և վերադարձնել հարստացված վիդեոհոսքերը անվտանգության մոնիտորինգի համակարգ
  4. Կարգավորեք անհատականացված ծանուցումներ անվտանգության անձնակազմին հայտնաբերվածի հիման վրա

Հաշվի առնելով, որ Telemus AI™-ն իրականացնում է աշխատանքի մեծ մասը, կազմակերպությունը կարող է կենտրոնանալ բիզնեսի տրամաբանության վրա, այլ ոչ թե տեխնիկական իրագործման վրա:

Կազմակերպչական կիրառություններ

Ձեր կազմակերպության համար այլ հնարավոր կիրառությունների հետևյալ ցանկը՝

  • Ճանապարհային ցանցի վրա մեքենաների մոնիթորինգ և վթարների տեղի ունենալու դեպքում դրանք հայտնաբերելը՝ օգնության թիմ ուղարկելու համար
  • Անհատների մոնիթորինգ հասարակական վայրերում՝ ապահովելու, որ հակասոցիալական վարքագիծ չի դրսևորվում։ Եթե այդպես է, ավտոմատ կերպով անվտանգության ջոկատ ուղարկել՝ իրավիճակը հանգստացնելու համար։
  • Աշխատավայրերի և աշխատանքային տարածքների մոնիթորինգ՝ ապահովելու, որ անձնակազմը չգտնվի տարածքում սահմանված աշխատանքային ժամերից դուրս

Հնարավոր և իրացված օգուտներ

Այս տեխնոլոգիայի հնարավոր և իրականացված առավելությունները հսկայական են: Հնարավոր է ավելի ճշգրիտ և արդյունավետ իրականացնել CCTV մոնիտորինգը՝ ավելի քիչ սխալներով, անհրաժեշտ լինելով ավելի քիչ ընդհանուր անվտանգության անձնակազմ, ինչը թույլ է տալիս նման անձնակազմին կենտրոնանալ ավելի հրատապ առաջադրանքների վրա, ինչպիսիք են ակտիվ պարեկությունը կամ հետաքննչական աշխատանքը:

Telemus AI™-ը Ավստրալիայում բազայվող արհեստական բանականության ընկերություն է, որը առաջադեմ լուծումներ է մատուցում կառավարությանը և ձեռնարկություններին: Կապվեք մեզ հետ այսօր՝ անվճար խորհրդատվության համար այն մասին, թե ինչպես Telemus AI™-ը կարող է ինտեգրվել ձեր կազմակերպության մեջ:


Բացահայտել ավելին AI դեպքերի ուսումնասիրություններ