Есть одна тема в современном Computer Vision, которая часто остаётся за кадром. В ней нет сложной математики и глубокой логики. Но то что её никак не освещают — вгоняет в ступор многих новичков. А тема не проста: имеет множество граблей, про которые не узнаешь, пока не наступишь.
Тема — называется так: подготовка базы изображений для дальнейшего обучения.
В статье:
Свёрточные нейронные сети (СНС). Звучит как странное сочетание биологии и математики с примесью информатики, но как бы оно не звучало, эти сети — одни из самых влиятельных инноваций в области компьютерного зрения. Впервые нейронные сети привлекли всеобщее внимание в 2012 году, когда Алекс Крижевски благодаря им выиграл конкурс ImageNet (грубо говоря, это ежегодная олимпиада по машинному зрению), снизив рекорд классификации ошибок с 26% до 15%, что тогда стало прорывом. Сегодня глубинное обучения лежит в основе услуг многих компаний: Facebook использует нейронные сети для алгоритмов автоматического проставления тегов, Google — для поиска среди фотографий пользователя, Amazon — для генерации рекомендаций товаров, Pinterest — для персонализации домашней страницы пользователя, а Instagram — для поисковой инфраструктуры.
Но классический, и, возможно, самый популярный вариант использования сетей это обработка изображений. Давайте посмотрим, как СНС используются для классификации изображений.
Задача классификации изображений — это приём начального изображения и вывод его класса (кошка, собака и т.д.) или группы вероятных классов, которая лучше всего характеризует изображение. Для людей это один из первых навыков, который они начинают осваивать с рождения.
Фото: d2boy
В четверг 25 августа 2016 года водитель автомобиля Honda CR-V GREY i-VTEC по имени Евгений съехал с МКАД на улицу Липецкую, не нарушая правил и скоростной режим. Тем не менее, спустя несколько дней ему пришла квитанция о штрафе за пересечение одиночной сплошной линии разметки — с наглядными доказательствами этого «нарушения».
Читать полностью »
Российская компания Cognitive Technologies провела в Татарстане первые испытания беспилотных тракторов с системой компьютерного зрения собственной разработки. Программно-аппаратный комплекс планируют в будущем устанавливать не только на тракторы, но и на другую сельскохозяйственную технику — комбайны, сеялки и так далее, пишут «Известия».
Читать полностью »
Исследователи из лаборатории информатики и искусственного интеллекта Массачусетского технологического института, Гарвард-Смитсоновского центра астрофизики и обсерватории Haystack разработали новый алгоритм, который поможет впервые в истории получить настоящее изображение чёрной дыры. Точнее, той области пространства-времени, в центре которой находится сама чёрная дыра, невидимая по определению.
Конечно, в интернете полно картинок чёрных дыр, и в научно-фантастических фильмах и сериалах мы видели чёрные дыры сотни раз. Но всё это плод фантазии художников, дизайнеров и самих учёных, которые только предполагают, как может выглядеть окружение горизонта событий.
Если расчёты американских радиофизиков верны, и если их усилия поддержат коллеги из других стран, то скоро мы узнаем правду.
Читать полностью »
Какие мысли у вас возникают, когда вы слышите понятие «Видеоаналитика 2.0»?
Решение каких актуальных задач можно было бы поручить гипотетическим технологиям видеоанализа следующего поколения?
Среди популярных ответов наверняка встретятся «некооперативное распознавание личности человека среди идущей толпы с вероятностью, близкой к 100%», «выявление злоумышленников среди посетителей», “межкамерное одновременное сопровождение множества объектов без срыва трекинга”, “распознавание и классификация без ошибок всего, что видно в кадре”.
Инженер, связанный с инсталляциями систем безопасности пожелает максимальной автоматизации настройки детекторов за счет продвинутых алгоритмов самообучения, что позволит существенно снизить затраты на пуско-наладку и гарантийное обслуживание.
А самый умный кто-то скажет, что видеоаналитика 2.0 возможна только при наличии искусственного интеллекта, что на текущем уровне развития технологий невозможно. Поэтому нам ничего не остается, кроме как наблюдать за лидерами рынка аналитики, которые и так выжимают максимально возможное из имеющихся вычислительных ресурсов и ждать массового внедрения квантовых компьютеров. Надеясь, что оно все же произойдет.
Забавную историю рассказал на форуме велосипедистов один из пользователей под ником Oxfox, проживающий в Остине, штат Техас.
Два месяца назад компания Google начала тестировать беспилотные автомобили на дорогах этого города, а на прошлой неделе Lexus, обвешанный радарами, заехал в район, где проживает Oxfox.
«Я уже почти завершил маршрут, — рассказывает велосипедист, — мы оба остановились на стоп-линиях у перекрёстка. Машина остановилась на долю секунды раньше меня, то есть у неё было подразумеваемое преимущество. Я стал в стойку и ждал, когда она проедет.
Очевидно, автомобиль заметил моё присутствие (у него по периметру установлены видеокамеры) и стоял неподвижно несколько секунд. В конце концов, он всё-таки начал движение, но в это время я сдвинулся на сантиметр, продолжая стоять, и машина немедленно затормозила.
Читать полностью »
До появления в продаже беспилотных автомобилей осталось не так много времени. Google доводит до ума технологии машинного зрения и один из самых важных элементов — распознавание пешеходов в реальном времени.
Исследователи из Google Research Алекс Крижевский (Alex Krizhevsky), Анелия Ангелова (Anelia Angelova) с коллегами представили новый метод детектирования пешеходов с помощью нейросетей. Метод показал обнадёживающий результат: пешехода удаётся заметить с высокой точностью 73,8% случаев по тесту Caltech Pedestrian, который содержит базу данных с 50 000 помеченных пешеходов в городских и сельских условиях. Такой результат сравним с самыми лучшими альтернативными разработками.
Читать полностью »
Хочу немного рассказать про технологию OpenCV и её применение на языке программирования C#.
OpenCV (англ. Open Source Computer Vision Library, библиотека компьютерного зрения с открытым исходным кодом) — библиотека алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом. Реализована на C/C++, также разрабатывается для Python, Java, Ruby, Matlab, Lua и других языков. Может свободно использоваться в академических и коммерческих целях — распространяется в условиях лицензии BSD.
На эту библиотеку я натолкнулся буквально недавно. На сайте toster.ru я задал вопрос про необычные темы для дипломных работ и в одном из ответов получил ссылки на результат работы с этой библиотекой. Вот некоторые из них:
www.youtube.com/watch?v=h9kPI7_vhAU
www.youtube.com/watch?v=256bg5_vNvg
www.youtube.com/watch?v=PUhwGTSNGhI
Читать полностью »
Перевод поста Стивена Вольфрама (Stephen Wolfram) "Frontiers of Computational Thinking: A SXSW Report".
Выражаю огромную благодарность Кириллу Гузенко за помощь в переводе.
Наиболее продуктивный год
Язык Wolfram Language
Язык для реального мира
Философия Wolfram Language
Программы размером в один твит
Вычислительное мышление для детей
Ввод запросов на естественном языке
Масштабная идея: Символьное программирование
Язык для развёртывания
Автоматизация программирования
Масштабные программы
Интернет вещей
Машинное обучение
Исследования Вычисляемой Вселенной
Вычислять, подобно тому, как это делает мозг
Язык как символьное представление
Пост-лингвистические понятия
Древняя история
Чем будет заниматься искусственный интеллект?
Бессмертие и за его пределами
Коробка триллиона душ
Обратно в 2015 год
Читать полностью »
