照片： Lisa Alert 。如果一个人在森林中失踪了，找到他的最好方法是发送训练有素的搜索引擎进行梳理。 尚无搜索技术可以取代人们。 初夏，我们
撰写了几支团队的文章，作为奥德赛竞赛的一部分，他们开发了野生动物解决方案。 许多工程师依靠带有摄像头和计算机视觉的无人机，但是并没有遇到明显的问题-通讯不良，海量数据的低处理和传输，茂密的树冠等等。
结果，没有一个具有计算机视觉的解决方案能够进入比赛的决赛。 但是技术专家说-如果这些团队联合起来，建立一个数据集并对其进行算法训练，则计算机视觉可能会有机会。
上周，即8月9日，搜索小分队Lisa Alert和Beeline宣布推出了一款可在无人机照片中搜索人物的工具。 我们参加了专门针对该发布会的新闻发布会，并了解了它的工作原理。
数万张照片
演讲是在紧急状态部关于飓风的丑闻宣布的第二天举行的，飓风在主要电视频道的播出中播放了十分钟。 飓风没有发生，但是天气仍然很糟糕。 对于Liza Alert小组来说，这有时就在眼前-森林中失踪人员的申请数量急剧下降，因为在恶劣的天气下，他们根本不去那里。 这释放了进行更复杂搜索的力量。 另一方面，在寒冷期间，失踪人员面临更大的危险。
例如，7月《丽莎快讯》收到1,083份森林申请。 其中大约有700个在郊区。 许多迷路的人仍然有电话，并且他们在网络覆盖范围内。 他们从森林中被“森林接触”小组带走，该小组解释了如何从阳光或自然地标中脱身。 有时，他们派出一个组来警报或将一个人带出去。
但是，最困难的搜索是那些与丢失内容无关的搜索。 例如，在几天的新闻发布会上，在Shchelkovo地区搜寻了一名73岁的妇女。 搜索引擎小组共走了2300公里，并从无人机上拍了8400张照片。
“现在我们的技术就是这样工作的，”格里高里·谢尔盖耶夫（Grigory Sergeyev）说，“我们拍照，然后将其上传到服务中，该服务由我们的志愿者编写，特殊小组可以查看照片。 班外的许多人也可以提供帮助。 在这些框架中，我们正在寻找与森林不同的东西。 远足团体立即出去看看它是什么。 现在，在Shchelkovo的搜索中，我们需要检查一百多个标记。 为了绕过所有人，您必须走三百多公里。”
当我们与“奥德赛”竞赛的参与者交谈时，他们对从空中拍摄森林的照片表示怀疑。 但是今年，“ Lisa Alert”每周在直升机的帮助下至少找到一个人。 据格雷戈里说，两年前，他们以这种方式发现整个季节只有两个人。 去年-六个。
无人机飞过一个人很难去的区域-防风林，沼泽。 无人机“ Lisa Alert”负责人亚历山大·洛蒙诺索夫（Alexander Lomonosov）展示了搜索小组追踪者的录音。 用单位梳理会留下很多白点。 无人机完全覆盖了这个领土。
“如果团队风风雨雨，他们将花费至少三个小时。 无人机在15分钟内在该区域工作。 在那里找到一个人-从空中。 他可以进入防风林，再也没有足够的力量离开防风林。 几名训练有素的人撤离了他四个多小时。 在此期间，只有370米通过了。 无人驾驶飞机，开阔的田野和沼泽，无人驾驶飞机的工作速度比普通的行走团队快许多倍。 如果田野上长满15厘米的草，则由训练有素的搜索引擎组成的步行小组将对其进行6-8个小时的梳理，而将无人机进行一小时的梳理。 他将携带整个区域的照片，并且将完全排除死区。”
平均而言，一次搜索可带来250张照片。 在六个月的时间里，他们积累了3.3万。 但现在，该机队中几乎没有直升机和飞行员。 如果数量增加，并且在Lisa Alert运营的所有20个地区都使用了无人机，那么一天之内将收集到33,000张图像。 而且，该分队花了240个小时才查看Shchelkovo的搜索照片。
搜索引擎和电信能力的数据集
两个月前，Lisa Alert和Beeline开始测试Beeline AI-人物搜索算法，该算法可以分析无人机的照片。
该项目始于学习如何自动滤除空白照片的想法，以便仅将怀疑有人在场的照片发送给正在观看的组。
“一次我试图找到特殊的数据集，尽管有人试图收集它们，但世界上并不存在，”亚历山大·洛蒙诺索夫说，“因此，我们自己将开发人员的照片传递给了开发人员：普通路人，进入采摘场的人，采蘑菇者，搜索引擎本身在工作。 所有这些都为机器视觉所基于的数据集奠定了基础。”
组装这样的数据集也是一项具有许多微妙之处的任务。 人们可以在任何位置进入框架：坐着，躺着，站着。 它们可以被分支覆盖，以至于只有一小部分可见。 周围的背景因风景，地区和季节而异。
“在许多地区，我们特别要求人们为受害者准备典型的姿势并拍照。 然后图片被人为地传播。 例如，他们在罗斯托夫（Rostov）拍摄了一个人的照片，并将其放在其他地区的底物上，”格里高里·谢尔盖耶夫（Grigory Sergeev）说。
在收到的照片中，直线数据科学家开始学习算法。
“作为运营商，我们习惯于处理大量数据。 我们有五个巨大的数据中心。 只有用于与Lisa Alert配合使用的Yaroslavl数据中心才能处理15 PB的数据。 因此，我们学会了如何构建非常现代的模型，” Beeline数字业务开发副总裁George Held说。
“照片进入我们的系统，我们需要确定照片上是否有人。 看到帽子，靴子，手，耳朵等等。 因此，我们将每个图像切成30-35层。 做了巨大的工作来找到适合于此的体系结构并创建算法，因为任何错误都会导致我们会在照片中错过人们的事实。 需要大量的计算资源来快速处理每一层。 我们使用与定位相同的模型。 我们采用它们的组件并在该项目上重复使用。”
该模型不仅可以搜索整个人，还可以注意到图片中森林中所有小的可疑伪像。 现在是测试的第一阶段，当算法丢弃所有照片的可能性为98％时，没有人。
剩下的图像会立即交给在那寻找人的志愿者，并在必要时将它们发送到搜索引擎或无人机以进行其他拍摄。 在测试系统时，还将检查丢弃图像的人员-但排在第二位。
下一步，开发人员计划讲授该算法，以更准确地确定人的照片并建立他们在森林中运动的预测模型。
为什么在这里5G
现在，系统具有两个选项。 第一个是脱机程序，用于在没有连接的情况下处理笔记本电脑上的图片。 它的功能是有限的，而且每次连接到网络时都必须对其进行更新，因为该算法一直在学习中。 在线服务发挥了最大的作用-将照片上传到Beeline服务器。 已经有1500万张图像通过数据中心。
丽莎警报使用DJI无人机进行搜索，因为她使用DJI无人机的程序进行自主飞行。 Mavic 2 Pro型号的一幅照片重约20 MB，每次飞行后，您都必须平均上载20 GB的照片并将其传输到服务中。 即使对于具有良好网络覆盖范围的地方，这也很多。
乔治·霍尔德（George Held）认为，搜索算法的工作是支持
建立5G网络的一个论据。
“通过大型高质量网络传输信息非常重要，因此我们现在正投入大量资金来改善基站，正在建设5G网络。 许多运营商对此表示自豪。 但是最大的问题是-它是做什么用的？ 要在YouTube上观看视频？ 在4G上也可以正常工作。 5G需要真正的理由。 与Lisa Alert合作是一个很好的例子，因为必须快速传输大量信息。”
无需热成像仪
在初夏，在搜索技术竞赛中，只有一个依靠计算机视觉的团队才有资格进入决赛。 但是她用热像仪拍摄。 格里高里·谢尔盖夫（Grigory Sergeev）对此持怀疑态度。
“ 9年来，我们没有在热像仪的帮助下找到一个人。 每个人都想相信这是一件很酷的事情。 是的，我们可以使用它来停止搜索，例如晚上在空旷的地方。 但是对于其他所有内容，它都不适合。 草不透明，所有树冠都不透明。 一个人穿着衣服在森林里，衣服的环境温度很高。 热像仪是一个很酷的幻想，但对搜索无效。 我们尝试了所有防御设备，尝试了外国模型。 “它们适合复制，但是考虑到成本和有效性，我对热成像仪说不。”
当被问及为什么没有人能够有效地使用计算机视觉时，Georgy简单地回答：“他们没有我们现在拥有的开发能力。”