Военные технологии

В потоке транспортных средств «ОКО» безошибочно распознает автомобиль. Сверхточные нейронные сети гарантируют точность машинного распознавания

В потоке транспортных средств «ОКО» безошибочно распознает автомобиль. Сверхточные нейронные сети гарантируют точность машинного распознавания

Как найти требуемый автомобиль, у которого может быть изменен номерной знак в потоке движущихся машин? С такой задачей не справится самый опытный человек. Человек не справится, а вот искусственный интеллект с технологией глубокого машинного обучения может решить эту непростую задачу.

Эту задачу помогут решить сверхточные нейронные сети (CNN) — современные архитектуры нейронных сетей, которые в основном используются для задач компьютерного зрения. CNN может применяться для решения ряда различных задач, таких как распознавание изображений, локализация объектов и обнаружение изменений.

В потоке транспортных средств «ОКО» безошибочно распознает автомобиль. Сверхточные нейронные сети гарантируют точность машинного распознавания

Ныне разработано приложение компьютерного зрения «ОКО», которое может идентифицировать модель автомобиля на представленном изображении. Учитывая, что разные модели автомобилей могут выглядеть очень похожими, и любой автомобиль может выглядеть очень по-разному в зависимости от окружающей среды и угла, под которым они сфотографированы, такая задача до недавнего времени была просто невозможной.

И эта непростая задача решена КодЛикс — Российской IT-компанией, которая занимается исследованиями и разработкой систем технического зрения, а также созданием наукоёмкого программного обеспечения. КодЛикс имеет государственную аккредитацию в министерстве цифрового развития, связи и массовых коммуникаций Российской Федерации.

Обнаружение транспортных средств и распознавание их — одна из широко востребованных функций в наши дни компаниями и организациями. Эта технология использует компьютерное зрение для обнаружения различных типов транспортных средств на видео или в реальном времени с помощью камеры.

Обычно видеосистемы используют программно-аппаратные средства с задействованием методов компьютерного зрения, которые позволяют автоматизировано собирать необходимые данные на основании анализа потокового видео. Они используют алгоритмы обработки изображений, в частности алгоритмы распознавания, сегментации, классификации и идентификации изображений. Полученные данные позволяют анализировать полученную информацию без прямого участия человека. При этом видеосистемы автоматически анализируют видеоданные с камер и сопоставляют их с данными, имеющимися в базе данных.

Революция глубокого обучения позволила расширить возможности системы. Вместо того, чтобы объяснять концепцию автомобиля, компьютеры смогли вместо этого многократно изучать изображения и сами изучать такие концепции. За последние несколько лет дополнительные инновации в области искусственных нейронных сетей привели к созданию искусственного интеллекта, который может выполнять задачи классификации изображений с точностью человеческого уровня и даже превышать его. Основываясь на новых разработках, КодЛикс смог обучить искусственный интеллект классифицировать автомобили по их модели.

Программная библиотека «ОКО», которая разработана специалистами КодЛикс, может обнаружить и идентифицировать автомобили на изображениях и в видеопотоке. Работа библиотеки основана на технологии глубокого машинного обучения. При этом наиболее весомыми функциями являются возможность определения марки и модели автомобиля по представленном на изображении или на видео и по заданному эталонному изображению (фото) разыскать заданный экземпляр автомобиля среди множества изображений автомобилей или в видеопотоке (видеофайле).

Высокая эффективность работы системы «ОКО» обеспечивается использованием современных нейросетевых алгоритмов. Именно набор нейросетей позволяет выделить и анализировать различные особенности автомобиля, присущие именно ему, когда он находится в видеопотоке или представлен на снимках. Причем, «ОКО» анализирует все особенности внешнего вида автомобиля, не ограничиваясь использованием только номера государственной регистрации или информации о марке и модели транспортного средства.

Важнейшей особенностью созданной нейронной сети является возможность идентификации автомобиля, снятого с разных ракурсов, что значительно увеличивает эффективность распознавания.

В потоке транспортных средств «ОКО» безошибочно распознает автомобиль. Сверхточные нейронные сети гарантируют точность машинного распознавания

Поиск заданного автомобиля нейросеть отыщет, основываясь на особых признаках конкретного экземпляра даже среди множества подобных аналогичной марки и модели

Решая задачи повышения гарантированной точности распознавания, разработчики использовали большие базы данных и привлекли операторов высокой квалификации, которые выполнили первоначальную подготовку данных на этапе обучения нейросетей.

Примененные проверенной архитектуры нейросетей, задействованных в данных проектах, позволяет выполнять машинную обработку данных с высокой точностью и скоростью. При этом система может работать как с изображениями одиночных автомобилей, так и с кадрами, на которых представлены несколько транспортных средств.

При этом уникальной особенностей данной системы является возможность использования ее на носимых устройствах, что важно при решении задач не только по обработке видеозаписи с камер систем видеонаблюдения, но также при быстром разворачивании мобильных рабочих мест и даже функционировать на автомобилях во время движения.

Высокие показатели разработанного программного комплекса «ОКО» достигнуты большим количеством теоретических исследований, при которых применялись методы системного анализа, обработки изображений и распознавания образов, а также машинного обучения. Разработчиками был произведён широкий анализ существующих решений при практической реализации данной задачи, что позволило синергетично объединить в данной системе наиболее передовые и совершенные алгоритмы и методологии.

Для классификации изображений разработчики системы «ОКО» использовали модифцированные версии нескольких сверточных нейронных сетей. Они исследовали поведение этих сетей при анализе изображений автомобилей, а также модифицировали их архитектуру с целью получения максимальной производительности в решаемых задачах. При этом подбирались оптимальные параметры обучения (гиперпараметры сети) и определялись этапы предподготовки обучающей выборки.

Принцип работы системы заключается в проведении анализа всех изображений автомобиля с использованием набора нейросетей, каждая из которых отвечает за конкретный выделенный признак. После этого происходит формрование цифрового представления автомобиля, которое переносится в базу данных или напрямую используется для сравнения с заданным.

В потоке транспортных средств «ОКО» безошибочно распознает автомобиль. Сверхточные нейронные сети гарантируют точность машинного распознавания

Поиск заданного автомобиля нейросеть отыщет, основываясь на особых признаках конкретного экземпляра даже среди множества подобных аналогичной марки и модели

Данная разработка позволяет значительно упростить поиск требуемого автомобиля, используя видеозаписи, даже в том случае, даже если номерные знаки заменены или не читаемы, что безусловно повысит раскрываемость угонов автомобилей.

По материалам

naukatehnika.com

Смотреть полностью

Похожее

Back to top button
Close
Close

Adblock Detected

Please consider supporting us by disabling your ad blocker