ობიექტების ამოცნობა სათვალთვალო ჩანაწერებში

კომპიუტერული ცნობა - კომპიუტერებისთვის მხედველობის მინიჭება

კომპიუტერულ ცნობასა და კომპიუტერულ მხედველობას, ზოგადად, აქვთ ხანგრძლივი ფართო ისტორია, როგორც რთული და კომპლექსური სფეროები, სადაც პროგრესი ML/AI-ის გამოჩენამდე შეზღუდული იყო. მკვეთრი კონტრასტით, კომპიუტერულ გრაფიკასთან ერთად, მრავალი წინსვლა მოხდა მოკლე დროში 2D/3D მოდელირების, კომპიუტერული დახმარებითი დიზაინის (CAD), ციფრული მოძრავი ფილმების, როგორიცაა Pixar-ის მიერ წარმოებული, და ვიდეო თამაშების სფეროებში. თანამედროვე გამოთვლა კარგად ერგებოდა გამოსახულებების ჩაჭერასა და შექმნას, მაგრამ არა მათ აღქმას.

ანალიზი, მაგალითად, შეიძლება უზრუნყოფილებდეს რეალურ დროში მოქმედებით შეტყობინებებს უსაფრთხოებისა და დაკავშირებული პერსონალისთვის. კომპიუტერული ამოცნობა/კომპიუტერული ხედვის პრობლემების მოსაგვარებლად კლასიკური ალგორითმული პროგრამის დაწერა რთულია, თუმცა ხელოვნური ინტელექტის გამოყენება პრობლემას გადაჭრადს ხდის.

პრობლემის მოგვარება ხელოვნური ინტელექტის გზით

ეს პრობლემა აყენებს კითხვებს იმის შესახებ, თუ როგორ ამოიცნობენ ადამიანები ობიექტებს ვიზუალურ დიაპაზონში, რაზე პასუხის გაცემაც ასევე წარმოუდგენლად რთულია. მიუხედავად იმისა, რომ ეს ჯერ კიდევ ძალიან ღია კითხვაა, ხელოვნური ნეირონული ქსელები დამტკიცებულია, როგორც წარმოუდგენლად სასარგებლო კომპიუტერული ამოცნობის/კომპიუტერული ხედვის დომენში.

ღრმა სწავლების ტექნიკისა და ვრცელი სურათების მონაცემთა ბაზის გამოყენებით, შესაძლებელია მოდელის ტრენინგი ობიექტების იდენტიფიცირებისთვის. ყველაზე გავრცელებული მონაცემთა ბაზაა Common Objects in Context (https://cocodataset.org/) რომელიც შეიცავს შემდეგს მათი განსაზღვრების მიხედვით:

  • ობიექტების სეგმენტაცია
  • ამოცნობა კონტექსტში
  • სუპერპიქსელის სეგმენტაცია
  • 330K გამოსახულება (>200K მონიშნული)
  • 1.5 მილიონი ობიექტის ეგზემპლარი
  • 80 ობიექტის კატეგორია
  • 91 ნივთის კატეგორია
  • 5 წარწერა თითო გამოსახულებაზე
  • 250,000 ადამიანი კლავიშებით

ამ ინფორმაციით სხვადასხვა ხელოვნური ინტელექტის მოდელების გაწვრთნა ძალიან ეფექტური აღმოჩნდა, როდესაც მოდელი ევალუაციის მონაცემთა ნაკრებზე მუშაობს.

ორგანიზაციული გამოწვევის მიმოხილვა

ვარაუდობენ, რომ AI შესაძლებლობა არსებობს ობიექტების ანალიზისთვის ვიდეო ნაკადებში (რაც მართლაც ასეა), როგორ მოახდენს ორგანიზაცია ასეთი გადაწყვეტილების განხორციელებას? ჯერ კიდევ არსებობს უფრო ფართო პრობლემა ასეთი მოდელის საწარმოო გარემოში განხორციელებისა, რომელსაც შეუძლია მასშტაბირება და რეგულაციების ჩარჩოში მუშაობა.

ტრადიციულად, ორგანიზაციები ასეთი შესაძლებლობის დაყენების ამოცანას აკისრებდნენ თავიანთ IT დეპარტამენტებს. ჩვეულებრივ, ორგანიზაციები პრობლემის მოსაგვარებლად პოულობდნენ მზა პროგრამულ უზრუნველყოფას ან მოძებნიდნენ პერსონალიზებული პროგრამული უზრუნველყოფის მომწოდებელს, რომ აეშენებინა ან გადაეკეთებინა არსებული გადაწყვეტილება, თუ ასეთი გადაწყვეტილება მარტივად ხელმისაწვდომი არ იყო. ხელოვნური ინტელექტის სისტემების სირთულის გამო, ორივე ეს ვარიანტი საკმაოდ დიდი ხნის განმავლობაში მიუწვდომელი იქნებოდა.

ტექნიკური გამოწვევების გარდა, არსებობს შიდა პოლიტიკები და სხვადასხვა კომპლიანსის მოთხოვნები, რომელთა დაცვაც ორგანიზაციებმა მეტწილად უნდა უზრუნველყონ, როგორიცაა მონაცემთა კონფიდენციალურობა, რომელიც, მიუხედავად დაკავშირებულობისა, სხვადასხვა დომენის ექსპერტების საკითხია. ამრიგად, ასეთი გადაწყვეტილების დანერგვა მოითხოვს ექსპერტიზას ორგანიზაციის ბევრ სხვა სფეროდან, რაც მოითხოვს რთულ პროექტის მართვას. შიდა სტრატეგიების ალტერნატივაა ასეთი შესაძლებლობის მიღება Artificial Intelligence as a Service ბიზნესის მეშვეობით, მათ შორის Telemus AI™-ის, ისევე როგორც ღრუბლოვანი სერვისების ხელმისაწვდომობისას.

ორგანიზაციული მონაცემები AI შეყვანის სახით

ორგანიზაციების უმეტესობა უსაფრთხოების მიზნებისთვის იყენებს CCTV-ს და აქვს სხვადასხვა ვიდეო ნაკადი, რომელთა მონიტორინგისთვისაც კონტროლის ოთახში იგზავნება. ჩვეულებრივ, ამ ვიდეო ნაკადებს უსაფრთხოების პერსონალი 24/7 რეჟიმში აკონტროლებს, რათა გამოავლინოს ნებისმიერი საქმიანობა, რომელიც შეიძლება მიუღებელი იყოს ან შემდგომი გამოძიება ან მოქმედება მოითხოვდეს. ეს ვიდეო ნაკადები შეიძლება გატარდეს ხელოვნური ინტელექტის სისტემაში. AI ატყობინებს უსაფრთხოების პერსონალს, თუ რამე საჭიროებს შემდგომ გამოძიებას.

ამის უპირატესობა ის არის, რომ AI სისტემას შეუძლია ანომალიების პოტენციური აღმოჩენა, რომელსაც ადამიანი სხვა შემთხვევაში გამოტოვებდა, თუ ის აშკარა არ არის ან უსაფრთხოების პერსონალს ყურადღება დაუქვეითდა. სხვა გზით ამის დანახვა ის არის, რომ უსაფრთხოების პერსონალის შესაძლებლობა, გაიგოს რა ხდება ვიდეო ნაკადებში, გაიზარდა უფრო მაღალ დონემდე. ამრიგად, ეს ჰგავს სხვა სფეროებში ჩვენი შესაძლებლობების გასაზრდელად ინსტრუმენტების გამოყენებას.

მიუხედავად იმისა, რომ ამ ტექნოლოგიის პოტენციალი ზოგიერთი ადამიანისთვის შესაძლოა შემაშფოთებელი იყოს, აუცილებელია გავითვალისწინოთ, რომ ნებისმიერ შემთხვევაში ვიდეო ნაკადს ადამიანი აკონტროლებს, და AI უბრალოდ ეხმარება უსაფრთხოების პერსონალს ვიდეომასალის ნახვაში, და სარგებელი უნდა შეფასდეს. იმის გათვალისწინებით, რომ ტექნოლოგია მუშაობს რეგულირებულ და უსაფრთხო გარემოში, მკაცრი მმართველობის ჩარჩოს ქვეშ, პოტენციური სარგებელი უზარმაზარი იქნება.

ინტეგრაციის მეთოდოლოგია

ქვემოთ მოცემულია პროცესის მიმოხილვა, რომელსაც ჩვენ მაღალ დონეზე შევასრულებთ ასეთი ნაკადების ორგანიზაციაში ანალიზისთვის:

  1. იდენტიფიცირება CCTV ნაკადებისა და იმ სისტემის, რომელიც უზრუნველყოფს ამ ნაკადების მონიტორინგსა და ჩაწერას
  2. მოდიფიცირეთ პროგრამული უზრუნველყოფა, რათა გააგზავნოთ ნაკადები ღრუბლოვანი კომპიუტინგის მომწოდებელთან რეალურ დროში ანალიზისთვის
  3. გაატარეთ ლენტები Telemus AI-ის მეშვეობით™ და დააბრუნეთ გაუმჯობესებული ვიდეო ნაკადები უსაფრთხოების მონიტორინგის სისტემაში
  4. დააყენეთ პერსონალიზებული გაფრთხილებები უსაფრთხოების პერსონალისთვის იმის მიხედვით, თუ რა არის აღმოჩენილი

იმის გათვალისწინებით, რომ Telemus AI™ ზრუნავს სამუშაოს უმეტეს ნაწილზე, ორგანიზაცია შეძლებს ფოკუსირება მოახდინოს ბიზნეს ლოგიკაზე და არა ტექნიკურ განხორციელებაზე.

ორგანიზაციული აპლიკაციები

ქვემოთ ჩამოთვლილია თქვენი ორგანიზაციისთვის სხვა პოტენციური აპლიკაციები:

  • მანქანების მონიტორინგი საგზაო ქსელზე და ავარიების მოხდენის დადგენა, რათა გააგზავნოთ ბრიგადა დასახმარებლად
  • მონიტორინგი გააკეთეთ ინდივიდების ადგილებში, რათა უზრუნველყოთ, რომ ანტისოციალური ქცევა არ ხდება. თუ ასეა, ავტომატურად გააგზავნეთ უსაფრთხოების რაზმი სიტუაციის დასამშვიდებლად.
  • სამუშაო ადგილებისა და სამუშაო მოედნების მონიტორინგი, უზრუნველყოფა, რომ პერსონალი არ იმყოფება შენობაში დადგენილი სამუშაო საათების გარეთ

პოტენციური და რეალიზებული სარგებელი

ამ ტექნოლოგიის პოტენციური და რეალიზებული სარგებელი უზარმაზარია. შესაძლებელია CCTV მონიტორინგის უფრო ზუსტად და ეფექტურად წარმოება, ნაკლები შეცდომებით, რაც მოითხოვს ნაკლებ საერთო უსაფრთხოების პერსონალს, საშუალებას აძლევს ასეთ პერსონალს გადაერთოს უფრო საჭირო ამოცანებზე, როგორიცაა აქტიური პატრულირება ან საგამოძიებო მუშაობა.

Telemus AI™ არის ავსტრალიაში ბაზირებული ხელოვნური ინტელექტის კომპანია, რომელიც მთავრობსა და საწარმოებს აწვდის მოწინავე გადაწყვეტილებებს. დაგვიკავშირდით დღესვე უფასო კონსულტაციისთვის იმის შესახებ, თუ როგორ შეიძლება Telemus AI™ ინტეგრირდეს თქვენს ორგანიზაციაში.


გამოიკვლიეთ მეტი AI შემთხვევის კვლევები