Jak sieci neuronowe rozpoznają obiekty oraz klasyfikują obraz?

Klasyfikacja obrazu przez sztuczną iteligencję to pierwszy krok do stworzenia modelu AI, który rozpoznaje wiele obiektów jednocześnie. Klasyfikacja obrazu w uproszczeniu polega na nadaniu obrazowi nazwy najbardziej widocznego obiektu. "Podpisaniu zdjęcia". Na przykład zdjęcie łódko zostałoby oznaczone "łódka 99%".

Początki klasyfikacji obrazu to użycie w pełni połączonych sieci neuronowych (sieci fully connected trenowane na zbiorze znaków ręcznie pisanych o nazwie MNIST dataset). Przełomowym odkryciem stało się zaprojektowanie warstwy splotu CNN, która łączyła w sobie trenowalną sieć wraz z filtracją obrazu. Dopiero użycie sieci opartych na warstwach CNN pozwoliło uzyskać pierwsze klasyfikatory o wysokiej jakości jak sieć AlexNet trenowana na zbiorze ImageNet.

Fragment zbioru uczącego MNIST który zawiera obrazu ręcznie pisanych cyfr.

Budowa sieci AlexNet.

Każdy obraz zostaje sklasyfikowany etykietami oraz wartością % prawdopodbieństwa

Próba rozpoznawania rasy psa ze zdjęcia przy pomocy sztucznej inteligencji.

YOLO to przełomowa architektura

Przełomową architekturą stała się sieć YOLO v1 zaprojektowane przez Josepha Redmona. Pozwalała ona nie tylo klasyfikować zdjęcia, ale lokalizować wiele obiektów naraz. YOLO przetwarzało zdjęcia szybko (jak na czasy powstania). Osiągało 30 klatek na sekundę (mierzone na karcie NVIDIA Pascal Titan X).

YOLO w kolejnych wersja v2, v3 oraz v4 zrobiło furorę w społeczności open source oraz biznes. Autorzy w całości udostępnili YOLO na licencji MIT, która pozwala na jego komercyjne wykorzystywanie oraz rozwój i zmiany.

Uczenie SI na 40 tysiącach zdjęć

W AISP korzystamy z YOLO do rozpoznawania 22 klas obiektów. Zebraliśmy zestaw ponad 40 tysięcy zdjęć, które pozwalają nam na poprawne wyszkolenie sieci neuronowej. Każde zdjęcie zostało ręcznie opisane prostokątami oraz etykietami występujących na nim obiektów. Do opisu użyto do tego oprogramowania yaya.

Nasze zdjęcia zawierają niekorzystne warunki pogodowe, mgłę, sytuacje zasłonięcia, szum oraz inne trudne okoliczności. Wszystko po to aby rozpoznawać obiekty w każdej sytuacji!

Rozpoznanie tożsamości

Rozponawanie klasy obiektu to pierwszy krok. Jak potwierdzić tożsamość obiektu na wielu klatkach filmu? Skąd wiedzieć, że to jest to samo auto, które wjeżdżało na skrzyżowanie 2 sekundy temu z lewego wlotu?
Potrzeba metody śledzenia obiektów.

Śledzenie wielu obiektów (MOT Multiple object tracking), to wciąż rozwijana dziedzina nauki, w której rok rocznie pojawiają się nowe algorytmy. Wiele znanych jak SORT, DeepSORT, osiąga niezłe wyniki, jednak liczenie ze skutecznościa 97% wymaga czegoś więcej. Tym czymś jest nasz autorski algorytm VRT (Vehlices realtime tracking).

Klasyfikacja relacji oraz przekroju

Ruchu śledzonego pojazdu to pewna trajektoria pozycji (x,y,z) w czasie t. Jak rozpoznać w której relacji ruchu poruszał się pojazd lub jaki przekrój drogi przeciął?

Służą do tego algorytmy linowej algebry oraz specjalne metryki. Przykładowo dystansa Frecheta pozwala na obliczenie podobieństwa pomiędzy krzywymi. W ten sposób możemy jasno określić która krzywa ruchu jest najbardziej podobna do danej relacji.

W AISP przy pomocą AITrackera możemy wykrywać przecięcia trajektorii pojazdu z przekrojem, wejścia/wyjścia do/z obszaru zabronionego czy przypisać konkretne krzywe ruchu do relacji na skrzyżowaniu.

AISP specjaliści od AI oraz obrazu

AISP to specjaliści od rozpoznawania obrazu, sztuczenej inteligencji oraz zliczania obiektów z nagrań wideo. Chętny posłuchamy do czego chciałbyś użyć naszego systemu oraz jak możemy sprostać tym wyzwaniam i zaoferować najelpsze rozwiązanie dla Ciebie.

Porozmawiajmy o rozwiązaniu dla Ciebie