Njohja Kompjuterike - Dhëniaja e Pamjes Kompjuterike

Njohja kompjuterike dhe pamja kompjuterike, në përgjithësi, kanë një histori të gjatë e të gjerë si fusha sfiduese dhe komplekse ku progresi deri në shfaqjen e ML/AI ishte i kufizuar. Në kontrast të fortë me grafikën kompjuterike, kanë ndodhur shumë avancime brenda një kohe të shkurtër në fushat e modelimit 2D/3D, dizajnit të asistuar nga kompjuteri (CAD), filmave dixhitalë lëvizës si ata të prodhuar nga Pixar dhe video lojërave. Kompjuterika moderne i është përshtatur mirë kapjes dhe krijimit të imazheve, por jo perceptimit të tyre.

Arsyeja kryesore është për shkak të problemit të perceptimit vizual. Gjatë lindjes së kompjuterëve modernë desktop, nuk iu desh shumë kohë kërkuesve të zhvillonin mënyra të zgjuara për të koduar dixhitalisht imazhet duke koduar figurën si një seri pikselësh të intensiteteve të ndryshme (p.sh. RGB) dhe madje duke kompresuar imazhet përmes skemave të shumëfishta. Ndërsa progresi i kapjes dhe kodimit të imazhit ndodhi dhe u zgjidh më pak a më shumë, kërkuesit u drejtuan drejt analizës së imazheve.

Duke pasur një seri pikselësh, si mund të identifikohen objektet? Ka teknika të ndryshme me sa dukje të dukshme, megjithëse naive, siç është shikimi i ngjyrës së një grupi pikselësh, për domenet specifike. Është e mundur të përafrohen objektet duke identifikuar grupe ngjyrash me njohuri paraprake. Për shembull, një qiell duke qenë se është blu dhe në krye të një imazhi. Grupimi i ngjyrave gjithashtu nuk merr parasysh format dhe madhësitë e objekteve. Ky qasje është e vështirë për t'u përgjithësuar.

Ky rast studimi do të eksplorojë se si analiza e video feeds të CCTV mund të përfitojë organizatën tuaj. Një sistem AI që mund të identifikojë objekte të dhëna nga pamjet e mbikëqyrjes ka aplikacione të shumta.

Analizimi, për shembull, mund të ofrojë njoftime në kohë reale të zbatueshme për sigurinë dhe personelin përkatës. Shkrimi i një programi algoritmik klasik për të zgjidhur problemet e njohjes kompjuterike/pamjes kompjuterike është i vështirë, ndonëse përdorimi i Inteligjencës Artificiale e bën problemin të trajtueshëm.

Zgjidhja e Problemit përmes Inteligjencës Artificiale

Ky problem ngre pyetje rreth se si njerëzit identifikojnë objekte brenda një rangu vizual që është gjithashtu jashtëzakonisht e vështirë për t'u përgjigjur. Ndërsa kjo është ende shumë një pyetje e hapur, rrjetet nervore artificiale kanë dëshmuar jashtëzakonisht të dobishme në domenin e njohjes kompjuterike/vizionit kompjuterik.

Me teknikat e të mësuarit të thellë dhe një grup të gjerë imazhesh, është e mundur të trajnohet një model për të identifikuar objekte. Grupi i të dhënave më i zakonshëm është Common Objects in Context (https://cocodataset.org/) i cili përmban sa vijon sipas përkufizimit të tyre:

Segmentimi i objekteve
Njohje në kontekst
Segmentim i materialit superpiksel
330K imazhe (>200K të etiketuara)
1.5 milion instanca objektesh
80 kategori objektesh
91 kategori materialesh
5 tituj për imazh
250,000 njerëz me pikat kyç

Stërvitja e modeleve të ndryshme të inteligjencës artificiale me këtë informacion ka rezultuar shumë efektive kur modeli xhirohet në një grup të dhënash vlerësimi.

Përmbledhje e Sfidës Organizative

Duke supozuar se aftësia AI ekziston për të analizuar objektet brenda transmetimeve video (që e bën), si do ta implementonte një organizatë një zgjidhje të tillë? Ekziston ende problemi më i gjerë i implementimit të një modeli të tillë në një mjedis të prodhuar që mund të shkallëzohet dhe të operojë brenda një kornize rregullatore.

Tradicionalisht, organizatat do t'i ngarkonin departamentet e tyre IT me instalimin e një aftësie të tillë. Zakonisht, organizatat do të gjenin softuer të gatshëm për të zgjidhur problemin ose do të kërkonin një ofrues softueri të personalizuar për të ndërtuar ose përshtatur një zgjidhje ekzistuese nëse një zgjidhje e tillë nuk ishte lehtësisht e disponueshme. Duke pasur parasysh kompleksitetin e sistemeve të Inteligjencës Artificiale, të dyja këto opsione do të ishin të padisponueshme për një kohë të gjatë.

Përveç sfidave teknike, ka gjithashtu politika të brendshme, dhe kërkesa të ndryshme të përputhshmërisë që organizatat duhet t'i përmbahen zakonisht, të tilla si privatësia e të dhënave të cilat, ndërkohë që janë të lidhura, janë çështje që i përkasin ekspertëve të ndryshëm të fushave. Kështu, zbatimi i një zgjidhjeje të tillë do të kërkojë ekspertizë nga shumë zona të tjera të një organizate, duke kërkuar menaxhim kompleks projektesh. Një alternativë ndaj strategjive të brendshme është të përdoret një aftësi e tillë përmes një biznesi Inteligjence Artificiale si Shërbim (AI as a Service), përfshirë Telemus AI™, në një mënyrë të ngjashme me qasjen në shërbimet cloud.

Të Dhëna Organizative të Disponueshme si Hyrje AI

Shumica e organizatave përdorin CCTV për qëllime sigurie dhe kanë variues video të ndryshme që dërgohen në një dhomë kontrolli për monitorim. Zakonisht, këto variues video do të kishin personel sigurie që i monitoron ato 24/7 për të identifikuar çdo aktivitet që mund të mos konsiderohet i pranueshëm ose që kërkon hetim të mëtejshëm ose veprim. Këto variues video mund të ushqehen përmes një sistemi të inteligjencës artificiale. AI njofton personelin e sigurisë nëse diçka kërkon hetim të mëtejshëm.

Avantazhi i kësaj është se sistemi AI mund të zbulojë potencialisht anomali që një njeri përndryshe do t'i humbiste nëse nuk është e qartë ose nëse personeli i sigurisë ka pasur një rënie në vëmendje. Një mënyrë tjetër për ta parë këtë është se aftësia e personelit të sigurisë për të kuptuar se çfarë po ndodh në transmetimet video është rritur në një nivel më të lartë. Kështu, ngjashëm me përdorimin e mjeteve në fusha të tjera për të rritur aftësitë tona.

Ndërsa potenciali i kësaj teknologjie mund të jetë sfidues për disa njerëz, është thelbësore të konsiderohet që një individ po monitoron transmetimet video në çdo rast, dhe AI thjesht po ndihmon personelin e sigurisë të shikojë pamjet, dhe përfitimet duhen peshuar. Duke pasur parasysh se teknologjia xhiron në një mënyrë të rregulluar dhe të sigurt nën një kornizë të rreptë qeverisjeje, përfitimi potencial do të ishte i madh.

Metodologjia e Integrit

Më poshtë është një pasqyrë e procesit që ne do të kryenim në një nivel të lartë për të analizuar transmetime të tilla brenda një organizate:

Identifiko transmetimet CCTV dhe sistemin që ofron monitorimin dhe regjistrimin e tillë transmetimesh
Modifikoni software për të dërguar feed te një ofrues cloud-computing për analizë në kohë reale
Drejtoni burimet përmes Telemus AI™ dhe ktheni transmetimet e videove të shtuara përsëri te sistemi i monitorimit të sigurisë
Konfiguroni alarme të personalizuara për personelin e sigurisë bazuar në atë që zbulohet

Duke pasur Telemus AI™ kujdeset për pjesën më të madhe të punës, organizata mund të përqendrohet në logjikën e biznesit në vend të zbatimit teknik.

Aplikime Organizative

Më poshtë listohen aplikacione potenciale të tjera për organizatën tuaj:

Monitorimi i makinave në një rrjet rrugësh dhe zbulimi kur ndodhin aksidente për të dërguar një ekip për të ndihmuar
Monitorimi i individëve në ambiente për të siguruar që sjellja antisociale nuk po ndodh. Nëse po, dërgoni automatikisht një njësi sigurie për të deeskaluar situatën.
Monitorimi i vendeve të punës dhe kantierove, duke siguruar që stafi nuk ndodhet brenda ambientit jashtë orareve të caktuara të funksionimit

Përfitimet Potenciale dhe të Realizuara

Potencialet dhe përfitet e realizuara të kësaj teknologjie janë të mëdha. Është e mundur të kryhet monitorimi i CCTV më saktë dhe më efikasht, me më pak gabime, që kërkon më pak personel të përgjithshëm sigurie, duke i lejuar këto persona të përqendrohen në detyra më urgjente si patrullimi aktiv ose puna hetuese.

Telemus AI™ është një kompani e inteligjencës artificiale me bazë në Australi që ofron zgjidhje të avancuara për qeverinë dhe ndërmarrjet. Na kontaktoni sot për një konsultim falas se si Telemus AI™ mund të integrohet në organizatën tuaj.

Etiketat

Zbulimi i Objekteve në Regjistrimet e Surveillance