Jaringan saraf yang dikembangkan oleh para ilmuwan Rusia telah belajar untuk menentukan usia dari video dengan tingkat akurasi yang tinggi

Sebuah publikasi ilmiah otoritatif Journal of Physics menerbitkan sebuah artikel yang menggambarkan hasil pekerjaan tentang menciptakan jaringan saraf yang menentukan usia dan jenis kelamin seseorang.

Para pengembang tersebut mengimplementasikan proyek mereka di Sekolah Tinggi Ekonomi di bawah kepemimpinan Andrei Savchenko. Tim mengusulkan metode baru untuk menganalisis data manusia dari video, metode ini adalah dasar dari kerja jaringan saraf, yang termasuk dalam kelas convolutional .

Metode itu sendiri terdiri dalam analisis frame-by-frame video, dengan penekanan pada frame individu seseorang. Analisis lebih lanjut berjalan dalam dua arah. Yang pertama memungkinkan Anda untuk menentukan usia rata-rata seseorang, yang kedua - jenis kelaminnya. Seperti biasa, jaringan saraf awalnya dilatih, basis video, yang berfungsi sebagai pelatihan utama, mencakup 1165 video.

Para penulis menunjukkan bahwa jaringan saraf mereka dapat menentukan usia seseorang dengan akurasi sekitar 71%, jenis kelamin - 88%. Penulis berencana untuk menggunakan pengembangan mereka untuk membuat aplikasi seluler untuk Android.

Inovasi pengembangan adalah bahwa jaringan saraf diajarkan untuk bekerja dengan video. Adapun gambar, jaringan saraf telah lama dapat menentukan usia dan jenis kelamin seseorang - dan akurasi sistem dalam hal ini cukup tinggi. Tetapi jika Anda perlu bekerja dengan video, tugasnya rumit, karena tidak begitu mudah untuk memilih bingkai yang jelas dengan orang yang wajahnya dapat terlihat jelas.

Skema standar menggunakan perkiraan usia seseorang dari 0 hingga 100 tahun, kemudian menganalisis seluruh skala usia, menunjukkan kemungkinan bahwa seseorang dalam gambar tersebut persis berusia bertahun-tahun. Misalnya, kemungkinan miliknya pada kelompok usia 25-30 tahun adalah 10%, 30-35 - 35%, dan, katakanlah, 50-55 tahun - 60%.



Algoritma diimplementasikan berdasarkan pada Pycharm IDE dengan Python 3.6. Banyak sumber daya dari jaringan saraf seperti itu tidak diperlukan - pengujian dilakukan pada PC desktop biasa dengan Intel Core i5-2400 CPU, kartu grafis NVIDIA GeForce GT 440 dan 64-bit Windows 7. Selain itu, sistem diuji pada perangkat seluler dengan OS Android (versi Android) dan karakteristik perangkat seluler tidak ditunjukkan).


GUI Aplikasi Android yang Dimaksudkan

Sedangkan untuk aplikasi seluler, elemen utamanya adalah jendela dengan demonstrasi video (menangkap dari kamera). Jaringan saraf menganalisis frame individu dan mencoba untuk menunjukkan usia dan jenis kelamin orang tersebut.

Menurut pengembang, masalah utama dalam mengenali berbagai karakteristik seseorang, termasuk usia dan jenis kelaminnya, adalah bahwa pelatihan jaringan saraf yang berspesialisasi dalam tugas ini terlalu terbatas. Basis data video dan gambar relatif kecil, namun semua orang sangat berbeda, termasuk perwakilan dari jenis kelamin dan usia yang sama.

Menariknya, salah satu basis data yang menjadi dasar pelatihan jaringan saraf dari artikel tersebut adalah bahwa semua video dipotong dari film-film India. Secara total, ada 322 video berbeda dengan 34.512 frame dalam database. Video itu berisi adegan-adegan yang menampilkan ratusan aktor India. Untuk kenyamanan, mereka dibagi menjadi 4 kategori umur: "Anak-anak", "Remaja", "Usia Tengah", "Lansia". Adapun timeline, itu berusia 1-12 tahun, 13-30, 31-50, 50+.

Jaringan saraf dapat menentukan jenis kelamin dan usia seseorang tidak hanya dari foto atau video seseorang atau tubuh. Sebagai contoh, jaringan saraf yang dibuat oleh Google dan Verily belajar untuk mengenali tidak hanya karakteristik yang ditunjukkan, tetapi juga gula darah rata-rata HbA1c, BMI, tekanan sistolik arteri SBP, tekanan diastolik arteri DBP. Dan sistem menunjukkan apakah seseorang merokok atau tidak. Dan semua ini - menurut fundus.



Untuk melatih jaringan saraf ini, para pengembang menggunakan basis data gambar, yang berisi sekitar 300.000 foto. Informasi disediakan oleh EyePACS dan UK Biobank. Menurut dokter, pendekatan baru untuk diagnosis dapat membantu dokter dengan cepat membuat diagnosis. AI tidak hanya dapat mempercepat, tetapi juga meningkatkan akurasi diagnosa. Dokter hanya membutuhkan bantuan ini, karena dokter manusia tidak selalu dapat bekerja dengan cepat dan efisien, terutama pada akhir hari kerja. Akibatnya, keakuratan diagnosis dan kebenaran dari program pengobatan yang ditentukan menderita.