Новый метод идентификации был опробован в лаборатории ИИ Facebook. На выборке из сорока тысяч фотографий людей, скрывающих лица либо стоящих спиной, он смог правильно идентифицировать их в 83% случаев. Отсутствие чётких изображений лиц не помешало новой совокупности машинного зрения с уверенностью опознавать людей, не желающих быть определёнными.

Смотрите кроме этого: OMRON Family Eye распознаёт эмоции человека и жесты рук

Многие домашниекамеры видеонаблюденияоснащены слотами для карт microSD, микрофонами, системами ночного и датчиками движения видения. Исходя из этого чтобы выделиться на рынке аналогичных устройств, нужно предлагать клиентам более замечательные либо необыкновенные технические ответы. Обитатели Японии, к примеру, смогут присмотреться к OMRON Family Eye. Даннаякамеравыделяется на фоне соперников благодаря нестандартному дизайну.

OMRON Family Eye имеет все упомянутые выше функции и снимает видео в разрешении 720p.

Как поясняют разработчики, лицо – значимая, но далеко не единственная личная черта на фотографии. Среди визуальных отличий имеется много других: цвет и причёска волос, пропорции и контуры тела, обычная поза, чуть заметная глазом асимметрия, любимая атрибутика и одежда, размещение родинок, других особенностей и шрамов. Очень многое из этого мы не подмечаем сами, но машинное зрение постоянно даёт беспристрастную оценку.

Это разрешает ему избегать характерных человеку неточностей восприятия и достаточно с уверенностью распознавать людей кроме того тогда, в то время, когда они совсем не желают быть определёнными.

Роб Фергюс и Ян Лекун в Facebook AI Lab (фото: wired.co.uk).

Метод самообучается с каждой новой фотографией, уточняя образ человека за счёт новых ракурсов и более качественных снимков. На каждом изображении человека вначале выделяются оценочные параметры. После этого все собранную информацию подвергаются статистическому анализу и создают неспециализированную картину, которая и сравнивается с базой.

Возглавляет лабораторию ИИ Facebook французский программист Ян Лекун (Yann LeCun). Широкой общественности он известен как соавтор языка Lush и формата DjVu. В отвлечённой среде его прославили бессчётные работы в области машинного обучения, вычислительной нейробиологии и компьютерного зрения.

Ян Лекун (фото: embedded-vision.com).

Перспективный метод распознавания людей базируется на эффекте самообучения свёрточных нейронных сетей (CNN – convolutional neural network). Они были созданы Яном Лекуном в противовес рекуррентым нейросетям, взявших распространение во многих сферах – от анализа изображений до генерирования текстов по подобию и образу заданных.

Рекуррентные сети замечательно копируют форму, но фактически ненужны для идентификации по нечётким снимкам либо фотографиям с закрытым лицом. Они отличаются наличием обратных связей между группами нейронов, каковые позволяют вырабатывать динамические зависимости. При трансформации состояния хотя бы одного нейрона происходит значимое изменение всей сети, потому, что сообщение устроена по принципу мультиплексирования – «один ко многим».

Свёрточные нейронные сети устроены в противном случае. Они максимально совершенно верно моделируют работу нейронов зрительной коры, складывающейся из нейронов двух функционально различных типов. В ней чередуются свёрточные слои, разбивающие изображения на элементы, и субдискретизирующие – делающие предвыборку взятых данных.

Сущность последней операции пребывает в более чувствительном методе поиска искомого показателя. На этом этапе серьёзен лишь факт его наличия без учёта дополнительных условий, наподобие правильной локализации.

Сама сеть не имеет обратных связей, но способна обучаться по способу обратного распространения неточности (backpropagation), обрисованного в середине семидесятых доктором наук Александром Ивановичем Галушкиным. Данный итеративный метод является модификацией способа градиентного спуска и разрешает минимизировать неточности в работе многослойной нейросети.

Галушкин А. И. (фото: it.mgppu.ru).

Возможности нового метода были показаны на конференции Computer Vision and Pattern Recognition в Бостоне. Точность распознавания фотографий людей с закрытыми лицами из подборки Flickr составила 83%. «Имеется большое количество сигналов, каковые мы используем для идентификации. Все люди имеют характерные изюминки, даже если вы смотрите на них со поясницы», – пояснил Ян Лекун в собственном выступлении.

По окончании обучения и тонкой доработки на большем количестве фотографий метод будет употребляться в сервисе Facebook Moments и других средствах автоматической каталогизации изображений. Но, уже на данный момент разумеется, что это средство двойного назначения. Возможность опознать человека на фотографии вопреки его жажде – давешняя мечта охранных агентств, служб и полиции разведки.

Создатель: Андрей Васильков

Случайная статья:

• Обзор граверного лазера neje или перспективная бизнес модель
• На носу что? google!

ТОП5 СКРЫВАЮЩИХ ЛИЦО ЗНАМЕНИТОСТЕЙ

Похожие статьи:

• Как потерять лицо в facebook

  Тревожит ли вас то, что пишут и публикуют ваши приятели в соцсетях? «Компьюлента» довольно часто пугает вас тем, что личная информация, которую вы…

• Роботы вытесняют человека со складских рабочих мест

  механизмы и Роботы сейчас стараются внедрять фактически везде, поскольку они делают рабочий процесс более продуктивным, надёжным для человека,…

• Facebook анонсировала станцию телепортации

  Начавшаяся день назад в Сан-Франциско конференция разработчиков Facebook F8 не предсказывала чего-то феноменального, пока Марк Цукерберг не поведал о…