ऑब्जेक्ट मान्यता प्रणालियों के लिए आवेदन के शीर्ष 5 क्षेत्र

कई दशक पहले शुरू हुई दुनिया को देखने और समझने के लिए विभिन्न प्रणालियों को सिखाने का प्रयास, लेकिन यह तकनीकें इतनी परिपूर्ण हो गई हैं कि वे सक्रिय रूप से हमारे जीवन के कई क्षेत्रों में उपयोग की जाती हैं। Habré में पहले से ही मशीन दृष्टि, तंत्रिका नेटवर्क और मान्यता एल्गोरिदम पर विस्तृत लेख हैं, इसलिए हम गहराई से नहीं गए और फिर से इन जटिल तकनीकों का वर्णन करते हैं, हम वास्तविक दुनिया में इन प्रणालियों के व्यावहारिक उपयोग के बारे में बात करेंगे।

यह कैसे काम करता है? संक्षिप्त

हमारे लिए फोटोग्राफी क्या है, एक छवि मान्यता प्रणाली के लिए, विभिन्न रंगों के मापदंडों के साथ पिक्सेल का एक सेट है। एक छवि में व्यक्तिगत वस्तुओं को पहचानने के लिए सिस्टम को सिखाने के लिए, आपको इसे एक डेटासेट के साथ प्रदान करना होगा - हजारों छवियों का एक सेट जो वास्तव में इंगित करता है कि वांछित वस्तु कहां स्थित है। उदाहरण के लिए, यदि हम चाहते हैं कि सिस्टम चित्रों में लोगों को पहचानना सीखे, तो हमें विभिन्न परिस्थितियों में, अलग-अलग पोज और कपड़ों में, विभिन्न उम्र के लोगों के बहुत सारे फोटो दिखाने की जरूरत है। इस तरह के प्रशिक्षण के बाद, सिस्टम तस्वीरों में व्यक्ति को सटीक रूप से पहचानने में सक्षम होगा। हालांकि, एक और सवाल भी उठता है: अगर एक प्रणाली के लिए एक तस्वीर सिर्फ पिक्सेल का एक संग्रह है, तो एक तंत्रिका नेटवर्क कैसे समझ सकता है कि वास्तव में एक तस्वीर में क्या दर्शाया गया है?

छवि में वस्तुओं को पहचानने के लिए विभिन्न तरीकों का उपयोग किया जाता है, लेकिन सबसे आशाजनक तरीकों में से एक उन्मुख ढाल हिस्टोग्राम (HOG) विधि है। छवि को हटा दिया गया है, और फिर 16x16 पिक्सल के ब्लॉक में सिस्टम रंग परिवर्तन (ढाल वेक्टर) की दिशा पाता है, पूरी छवि पर इन वैक्टर का एक नक्शा बनाता है, और इस तरह ऑब्जेक्ट के संकेतों को "स्नैपशॉट" करता है, जो स्थिति / स्थिति और प्रकाश व्यवस्था के आधार पर नहीं बदलते हैं। एल्गोरिथ्म के एक बेहतर संस्करण को कोहोग कहा जाता है - यह वस्तुओं की सीमाओं को ध्यान में रखता है, अर्थात, यह आकार को पहचानता है, और न केवल ढाल वैक्टर।

तोशिबा ने CoHOG विधि में सुधार किया है, कम रोशनी में मान्यता में काफी सुधार किया है - पारंपरिक CoHOG, उदाहरण के लिए, अंधेरे में तेजी से मान्यता के साथ खराब करता है, जब पैदल चलने वालों को हेडलाइट्स में मुश्किल से दिखाई देता है। ईसीओएचओजी पद्धति (उन्मुख ग्रेडिएंट्स की संयुक्त उपस्थिति के हिस्टोग्राम की तकनीक) एक व्यक्ति को उसके सिर, पैर, हाथ, कंधों को खोजने, उसकी रूपरेखा की दिशाओं और आकारों के अतिरिक्त विश्लेषण के माध्यम से निर्धारित करती है। यदि CoHOG बस छवि पर एंथ्रोपोमेट्रिक रूपरेखा (विश्लेषण "वस्तु सीमा - सीमा वैक्टर") को अलग करता है, तो ECoHOG के लिए एक दूसरे के सापेक्ष वस्तु सीमाओं के आयाम महत्वपूर्ण हैं।

आवेदन के पांच प्रमुख क्षेत्र

विपणन

पैटर्न मान्यता विज्ञापन और विपणन में एक आशाजनक क्षेत्र है। तंत्रिका नेटवर्क को कुछ घंटों में चीजों को सीखने की अनुमति दी जाती है, जिसे खोजने के लिए अन्य मामलों में पेशेवरों और हफ्तों, या अनुसंधान के महीनों की एक बड़ी टीम की आवश्यकता होती है। उदाहरण के लिए, एक सामाजिक मीडिया निगरानी प्रणाली रूसी सेवा YouScan, सामाजिक नेटवर्क पर ब्रांडों के उल्लेख को ट्रैक करती है। इसके अलावा, वह न केवल पदों के पाठ में, बल्कि तस्वीरों में भी ऐसा करता है, और उत्पाद के बारे में कुछ निष्कर्ष निकालने में भी मदद करता है। पैटर्न की पहचान की मदद से, फोटो में एक दिलचस्प पैटर्न पाया गया , जिसकी खोज कभी किसी को नहीं हुई होगी: जानवरों के बीच, बिल्लियां अधिक बार एप्पल तकनीक के साथ पाई जाती हैं, और एडिडास ब्रांड वाले कुत्ते। यह असामान्य जानकारी विज्ञापन लक्ष्यीकरण के लिए उपयोगी हो सकती है।


एडिडास लोगो की खोज करते समय, YouScan सेवा ने मालिकों के हाथों में स्मार्टफ़ोन के साथ फ़ोटो फ़िल्टर किए। कॉपीराइट: YouScan

वीडियो निगरानी

शहरी निगरानी कैमरों पर पैटर्न मान्यता शायद मशीन दृष्टि का उपयोग करने की सबसे अपरिहार्य संभावना है। 2017 से, भीड़-भाड़ वाली जगहों पर अपराधियों की पहचान करने के लिए मॉस्को में एक स्मार्ट वीडियो निगरानी प्रणाली का परीक्षण किया गया है। रूसी कंपनी NTechLab की तकनीक, जिसने पहले ही कई दर्जन अपराधियों को बंद करने में मदद की है, कैमरों के शहर नेटवर्क से जुड़ी है। चीन में, इस तरह की वीडियो निगरानी प्रणाली न केवल चेहरे, बल्कि सार्वजनिक रूप से कारों और कपड़ों के ब्रांडों को भी पहचानने में सक्षम है, जो बाद में अपने शोध के लिए विपणक द्वारा उपयोग किया जा सकता है।

वीडियो छवियों की पहचान का वास्तविक काम दिखाता है और SenseTime का सामना करता है

दवा

चिकित्सा में पैटर्न मान्यता पहले से ही एक वास्तविक सफलता बन गई है - कई मामलों में, कंप्यूटर उन चीजों को नोटिस करते हैं जो सबसे अनुभवी डॉक्टरों को भी याद करते हैं। वे अजीब सहायकों के रूप में कार्य करते हैं, जिनकी "तकनीकी" राय डॉक्टर की परिकल्पना की पुष्टि करती है या गहन शोध को जन्म देती है।

रूस में, सीटी, एमआरआई और पीईटी छवियों पर कैंसर के निदान के लिए सॉफ्टवेयर सिस्टम का विकास चल रहा है। ऐसा करने के लिए, हजारों टैग किए गए चित्र तंत्रिका नेटवर्क के माध्यम से संचालित होते हैं, जिसके बाद नई छवियों की मान्यता सटीकता 95-97% तक बढ़ जाती है। दूसरों के बीच, इस तरह के एक मंच का विकास मॉस्को के सूचना प्रौद्योगिकी विभाग द्वारा Google TensorFlow ओपन लाइब्रेरी का उपयोग करके किया जाता है।

एक Google द्वारा निर्मित इंसेप्शन न्यूरल नेटवर्क स्तन ग्रंथियों में कैंसर कोशिकाओं की खोज में एक लिम्फ नोड बायोप्सी की सूक्ष्म परीक्षा का विश्लेषण करता है। किसी व्यक्ति के लिए, यह एक बहुत लंबी और श्रमसाध्य प्रक्रिया है, जिसके दौरान गलती करना या कुछ महत्वपूर्ण याद करना आसान है, क्योंकि कुछ मामलों में छवि का आकार 100,000 x 100,000 पिक्सेल है। इंसेप्शन न्यूरल नेटवर्क चिकित्सक में लगभग 92% बनाम 72% की संवेदनशीलता प्रदान करता है। तंत्रिका नेटवर्क छवियों के सभी संदिग्ध क्षेत्रों की दृष्टि नहीं खोएगा, हालांकि झूठे अलार्म की अनुमति है, जिसे डॉक्टर बाद में फ़िल्टर करेंगे।

कारें

कारों में वस्तु मान्यता ADAS (उन्नत ड्राइवर-सहायता प्रणाली) सुरक्षा प्रणालियों का एक आवश्यक हिस्सा है। ADAS को परिष्कृत उपकरणों जैसे कि रडार और इन्फ्रारेड सेंसर, या एक मोनोकुलर कैमरे के साथ लागू किया जा सकता है। पिछले लेख में, हमने पहले ही कहा था कि एक वीडियो कैमरा वास्तविक समय में पैदल चलने वालों, संकेतों और ट्रैफिक लाइट को पहचानने के लिए कार के लिए पर्याप्त है। हालांकि, ऐसी मान्यता "फ्लाई पर" एक बहुत ही संसाधन-गहन कार्य है, जिसके लिए एक विशेष प्रोसेसर की आवश्यकता होती है। तोशिबा कई वर्षों से प्रोसेसर की एक श्रृंखला विकसित कर रहा है। वे एक एकल कैमरे से एक चलती छवि के आधार पर एक तीन आयामी मॉडल का निर्माण करते हैं, और इस तरह सड़क पर अज्ञात बाधाओं को नोटिस करते हैं। वास्तव में, यदि एक तंत्रिका नेटवर्क को केवल लोगों, चिह्नों और चिह्नों को पहचानने के लिए प्रशिक्षित किया जाता है, तो डामर पर पड़े टायर या बाड़ का एक टुकड़ा पहचाना नहीं जाएगा और इसे एक खतरे के रूप में माना जाएगा।


Visconti प्रोसेसर छवि में क्षेत्रों की पहचान करते हैं, उन्हें वर्गीकृत करते हैं, और ऑटोपायलट या ADAS को निर्णय लेने में मदद करते हैं। स्रोत: तोशिबा

ड्रोन

ड्रोन में, वस्तु मान्यता का उपयोग मनोरंजन और वैज्ञानिक उद्देश्यों दोनों के लिए किया जाता है। 2015 में, लिली ड्रोन द्वारा स्वचालित इंजन स्टार्ट के साथ बहुत शोर किया गया था जब मालिक के लिए टॉसिंग और ट्रैकिंग फ़ंक्शन। लिली ने मालिक को लेंस का लक्ष्य दिया, चाहे उसके आंदोलन की गति और गति की परवाह किए बिना। सच है, लिली के इस कार्य का पैटर्न मान्यता से कोई लेना-देना नहीं था, क्योंकि ड्रोन न केवल एक व्यक्ति की छवि को देखता था, बल्कि नियंत्रण कक्ष, जिसे मालिक के हाथ पर रखा गया था।


छवि मान्यता ड्रोन का उपयोग अधिक गंभीर चीजों के लिए भी किया जाता है। उदाहरण के लिए, नार्वेजियन कंपनी eSmart Systems ने स्मार्ट ग्रिड समाधान विकसित किए हैं। उनके प्रोजेक्ट में से एक, कनेक्टेड ड्रोन, ड्रोन का उपयोग बिजली लाइनों का निवारण करने के लिए किया जाता है। पावर ग्रिड तत्वों की मान्यता में प्रशिक्षित, वे तारों, इन्सुलेटर और बिजली लाइनों के अन्य भागों की अखंडता को सत्यापित करते हैं। यह विशेष रूप से एक खराबी को स्थानीयकरण के लिए महत्वपूर्ण है जब किसी शहर या उद्यम को बिजली की आपूर्ति लाइन पर निर्भर करती है। यह देखते हुए कि अक्सर बिजली की पंक्तियाँ हार्ड-टू-पहुंच स्थानों में बनाई जाती हैं, ड्रोन के एक दल को टैगा में कहीं न कहीं खराबी खोजने के लिए भेजना या लोगों की एक टीम भेजने की तुलना में बहुत अधिक प्रभावी होता है।


ESmart ड्रोन ऊर्जा के बुनियादी ढांचे के तत्वों को ढूंढते हैं और क्षति के मामले में, ऑपरेटर को चेतावनी देते हुए, वस्तु को चिह्नित करते हैं। स्रोत: ईस्मार्ट सिस्टम