Лента TH Новости Искусственный интеллект


Разработчики создали ИИ Repression Network для отслеживания автомобилей

∴ 233

На сегодняшний день, основной акцент в этом деле поставлен на дорожные камеры. Но автомобили выглядят очень похожими друг на друга, и вы знаете, что вор умен и способен поменять номерные знаки или даже перекрасить автомобиль.

759

Исследователи из Пекинского университета нашли еще один способ отслеживания транспортных средств. Это как распознавание лиц, но на этот раз для автомобилей. Их подход был разработан с учетом того, чтобы даже царапины на автомобиле могли помочь делу.

Обучаемая Repression Network для точного поиска транспортных средств.Цяньтун Сюй, Кэ Янь и Юнхон Тянь.

В своей статье авторы обратили внимание на то, что идентификация только по номерному знаку представляет проблему для камер, предназначенных для наблюдения.

Они писали, что в некоторых камерах наблюдения разрешение недостаточно велико, чтобы четко показать номера на номерном знаке. Во-вторых, производительность систем распознавания резко уменьшается, когда они пытаются классифицировать некоторые запутанные символы, такие как «8» и «B», «O» и «0», «D» и «O» и т. д. Самое главное, что номерные знаки часто легко закрыть, удалить или даже подделать, что делает опознавание только по ним менее релевантным для каждого отдельного автомобиля.

Ученые добавили, что точный алгоритм поиска автомобилей должен иметь возможность не только захватывать грубые зернистые атрибуты, такие как цвет и модель каждого транспортного средства, но и узнавать более тонкую и глубокую информацию, обращая внимание на уникальные детали.

Их предлагаемый подход – это модель «Сеть подавления», как они ее называют. Фраза «сеть подавления» относится к технологии, разработанной в Пекинском университете. Фиби Уэстон в Daily Mail заявила, что это «многозадачная самообучаемая среда», которая ищет отличительные особенности автомобилей. При этом, существует ряд ограничений, который управляет всеми генерируемыми данными, позволяя ему сосредоточиться только на широких и ярких деталях.

Основная идея построения такой модели состоит в том, что мы хотим, чтобы глубинная нейронная сеть создавала две независимые вспомогательные модели с двух разных уровней – грубые атрибуты и мелкие детали, так что каждая вспомогательная функция может предоставить суммарно более точную информацию. Это позволит использовать ее как лучшее средство для выполнения точных поисковых задач.Цяньтун Сюй, Кэ Янь и Юнхон Тянь.

Исследователи заявили, что экспериментальные результаты показали лучшую производительность и точность работы при использовании вычислительных мощностей для RepNet.

Сейчас ученые работают для применения системы в поиске и распознавании людей.

Филипп Дончев