في السنوات الأخيرة، وتقنية التعرف على المشاة الثقيلة كانت صناعة المزيد والمزيد من الاهتمام، والمساهمة CVPR في البحوث المتعلقة ريد تزداد عاما بعد عام. مع نضوج تقنية التعرف على المشاة الثقيلة، وكانت لها قيمة كبيرة وإمكانات السوق المزيد والمزيد من الاهتمام.
تطبيقات رؤية القاتل قريبا؟ وفقا لخريطة بصرية لتحديد رقما قياسيا جديدا
2020 ماذا بعد بعد منفذ التعرف على الوجوه غير تسأل؟
لا تسأل، نطلبه هو الاعتراف المشاة الثقيلة. (ريد)
لهذه المشكلة، ويبدو أن الصناعة قد وصلت إلى توافق في الآراء. منذ قدرات التعرف على الوجوه AI خارج الأوساط الأكاديمية عيون البشرية وصناعة يتحولون الى المزيد من القيمة العلمية والعملية آخر من الموضوع - الاعتراف المشاة الثقيلة (شخص إعادة تحديد وريد).
في الآونة الأخيرة، وفقا للخطط أعلن اختراق التكنولوجيا في مجال ريد تحديث الصناعة ثلاثة الرائدة مجموعة البيانات العالمية من أفضل النتيجة الحالية (SOTA)، خوارزمية أداء حتى الآن وصلت لأعلى معايير الصناعة.
يمكن وصف الشركة كما هو معروف جيدا على بطاقة التقرير، بما في ذلك تينسنت خريطة ممتازة، ومفهوم بو الاستخبارات بابا، هيج الاتصالات، ZTE وغيرها من المنافسين قوية في كل مكان، ويتحدث اليوم ريد 1 من أجل تحقيق التقدم ومدى ارتفاع درجة الصعوبة هناك!
كما هو الحال، أن يسمى البصرية تطبيق القاتل تحديد وفقا لرؤية الشكل.
استبدال AutoML التكيف مع المعلمة الاصطناعي، وعمق الأمثل إطار خوارزمية ريد
" أول معدل إصابة "(الرتبة 1 الدقة) و" متوسط متوسط الدقة "(متوسط متوسط الدقة، MAP)، هي المقياس الرئيسي اثنين من ريد.
وسائل بلغ معدل الأولى أن الخوارزمية يمكن أن تحدد بدقة أكثر المعترف بها بسهولة في عدد من الصور أو المباراة تطول. وتعيين قيم يعكس الأداء العام للنظام استرجاع. MAP وكلما ارتفعت القيمة، وتوضيح أفضل فائدة النظام، لا يمكن إلا أن كل ريتشارد ريتشارد دقيقة وأكثر قدرة على التعامل مع متعددة كتلة وخفيفة، والظلام، وضوح وهلم جرا.
لا ننظر فقط في أول إطلاق النار خوارزمية ريد تقييم الأداء خلاف ذلك، لا يمكن أن تعكس القدرة الحقيقية للنموذج، وخاصة في الرد على أداء مشاهد معقدة، ويجب أن تقترن قيمة خريطة مع تقييم شامل.
وفقا لخطط التكنولوجيا مع الهندسة الخاصة بها وقوة R & D، وعمق الأمثل إطار ريد الخوارزمية، وتحسين كبير في كفاءة الخوارزمية، من خلال الجمع بين AutoML غيرها من التكنولوجيات المتطورة إلى مزيد من الابتكار يتحقق تلقائيا بحث والمعلمات نموذج تكرارية، وكسر التبعية خوارزمية دليل الباحث تصميم وتعديل المعلمة لعملية تطوير الخوارزميات التقليدية، ولكن أيضا يجعل أداء التعميم أقوى من الخوارزمية.
اثنين من المؤشرات الرئيسية للخوارزمية وفقا للخطط من صناعة البحوث الأكثر تأثيرا من ثلاثة ريد بيانات Market1501، DukeMTMC-ريد، على CUHK03، وقياس أداء الخوارزمية "معدل الضربة الأولى" (الرتبة 1 الدقة) و" متوسط دقة متوسط "(متوسط الدقة يعني، خريطة) 6 ترقية كافة البيانات البند، الذي يوضح تماما قوة التقنية وفقا للخطط ومن شأنه تعزيز الصين AI موقف زمام المبادرة في هذه المهمة.
عودته المعترف بها للمشاة؟
كما دعا المشاة ثم حددت هوية الوزن المشاة (شخص إعادة تحديد، ويشار إلى ريد، ما إذا كان الفن مشاة معين لديها تكنولوجيا الرؤية الكمبيوتر لتحديد الصورة أو الفيديو تسلسل عادة أن تكون المشاكل الفرعية لاسترجاع الصور ونظرا ل رصد صورة للمشاة، واسترداد الصورة في المشاة عبر الأجهزة.
هاري بوتر باستخدام خريطة النقطة الحقيقية في "سجين أزكابان" في الوقت الحقيقي تتبع وتحديد الأشخاص أثر.
طريقة تحديد ثقيلة للمشاة هي التالية:
طريقة ريد أساس من تميز التعلم
هذه الأساليب عادة واثنين من الشبكة، وشبكة التنبؤ المصنف صورة الهوية، ويتم احتساب الخسارة على أساس خطأ التنبؤ مصنفة معرف. تحقق من خصائص الشبكة الفرعية التقارب بين صورتين، فإنه يتم تحديد ما إذا كان الصورتين تنتمي إلى أحد المشاة، وهذا الشبكة الفرعية تساوي إلى حد كبير في شبكة تصنيف الثنائية. بعد صدور بيانات التدريب الكافي، صورة الاختبار يتم إدخال مرة أخرى، فإن الشبكة استخراج تلقائيا ميزة، المهام الاعتراف ميزة لوزن المشاة.
ريد قياس طريقة التعلم القائم
تعلم المتري هو العملية المستخدمة على نطاق واسع في مجال استرجاع الصور. تختلف عن دراسة التوصيف، وهو مقياس للتعليم والتعلم من خلال التشابه في الصورتين. على مشكلة الاعتراف المشاة الثقيلة، وخاصة للحصول على صور مختلفة من نفس التشابه أكبر من المشاة مختلفة صور من المشاة مختلفة. وأخيرا، فإن شبكة يجعل وظيفة الخسارة هي على مسافة واحدة صغيرة مثل الصور مشاة الممكنة من الصورة مشاة مختلفة كبيرة بقدر الإمكان.
طريقة على أساس الخصائص المحلية ريد
ركزت البحوث في وقت مبكر نقاط ريد ميزة العالمية الشاملة، والبحث هو متجه ميزة صورة FIG بأكمله. ولكن بعد ذلك وجدنا تدريجيا أن ملامح العالمية اجه عنق الزجاجة، وبدأت تدريجيا لدراسة ميزة المحلية المحلية.
طريقة لريد تسلسل الفيديو التي تعتمد
مقارنة مع أسلوب بناء على صورة واحدة، ومعظم الفرق المهم هو أن لا يأخذ بعين الاعتبار محتوى المعلومات من الصورة، ولكن كما يأخذ في الاعتبار حركة المعلومات بين الإطار والإطار.
إذا كانت هذه الأساليب مجتمعة مع التعرف على الوجه، فإنه سيتم إنشاء قيمة أكبر.
بالإضافة إلى سيناريوهات التجزئة الذكية، النقل الذكية والمدن الذكية وكثيرا ما ذكر، فإن التكنولوجيا ريد التطبيق أيضا جعل الحياة اليومية أكثر ملاءمة: متنزه أسهل للعثور على الأطفال المفقودين، الروبوت الحيوانات الأليفة / المنزلية يمكن أن تحدد بدقة المالك أو الظهر وتوفر للعملاء الخدمة المقابلة.
ومع ذلك، فيديو للمراقبة، لأن القرار الكاميرا ومن أجل زاوية اطلاق النار، وعادة لا يمكن الحصول على صور الوجه عالية الجودة. عندما حال عدم الاعتراف، وأصبح ريد وسيلة فنية هامة جدا. منطقة تغطية كاميرا واحدة محدودة، وبالتالي لا تحليل للمشاة، إذا رغبت في ذلك، والتنسيق كاميرا متعددة، ولكل كاميرا تقع عادة في مواقف ووجهات نظر مختلفة، مجال رؤيته لا تتداخل، من أجل حل المشاة مساحة واسعة لتحليل الشبكة الكاميرا، ويجب أولا، حل المشكلة تحت حقل كاميرا متعددة نظر عبر المشاة ومن ثم تحديدها.
لأن ريد الحاجة الصور أو أشرطة الفيديو التي اتخذت من كاميرات مختلفة لتحديد مع حرف، ونطاق من هذه الكاميرات غطت لا تتداخل بعضها البعض، مما أدى إلى عدم وجود معلومات متسقة، ولكن الموقف من شخصيات مختلفة في الصورة، وحتى ظهور السلوك (مثل ارتداء قبعة، أقلعت معطفه) تغييرات كبيرة ستحدث في أوقات مختلفة، إضاءة المشهد والخلفية والمأوى المواد تختلف (كثيرا ما تكون هناك حجم الخلفية، ويرتدون ملابس مثل تدخل الشخصيات الأخرى)، القرار الكاميرا لديها أيضا ارتفاع وانخفاض هذه كلها هدايا تكنولوجيا ريد تحديا كبيرا.
منذ رقاقة تسعى البحوث، وعالية الدقة فقط من خلال ارتداء تحديد المشاة الثقيلة
أي بند لم تشهد التفتيش التجاري، والقلاع فقط في الهواء.
لذلك، وفقا للخطط لهذه الشركات، مجرد لهجة المرجعية، قائمة فرشاة، فإنه لا يكفي.
جميع البيانات البحثية، ونحن بحاجة لقبول اختبار التجارية في السوق، من أجل جعل حقا الأعمال 100 إلى ذهب.
لأن المشكلة التي تواجه الأرض التجارية، والمشاكل التي واجهت المختبر بالمقارنة مع تعقيد ترقية أكثر من صعيد. بالإضافة إلى متطلبات خوارزمية الأداء، وهناك مشكلة صعبة جدا، والأجهزة الطرفية الموجودة مثل مشغل الكاميرا ليست كافية.
الموظفين R & D وفقا لخطط الدراسة الذاتية سحابة AI رقاقة QuestCore (السعي)، فإن المنطق تدريب الضغط + تقصير كبير في يمكن القيام به، وحيدا في ارتداء الظروف مشية الخصائص، وفقا لخريطة تستغرق وقتا طويلا عن اثنين ريد منذ سنوات، ومستوى التعرف على الوجه.
عام 2018، كانت قد علقت المنافسة ImageNet بسبب الكمبيوتر القدرة على التعرف على الوجوه البشرية / الأشياء قد ذهب بالفعل إلى ما بعد الإنسانية، والاستمرار في "قائمة فرشاة" ليس له معنى. 2018، أيضا على أساس التعرف على الوجه تطبيقات الكمبيوتر الرؤية تمثل بداية واسعة النطاق التجاري.
بعد ذلك بعامين، والمدفوعات وجه فرشاة، أصبح فرشاة للسيارات مواجهة شعبية متزايدة.
وفي الوقت نفسه تحسن بشكل كبير من دقة ريد، وفقا للخطط على أساس الذاتي المتقدمة رقاقة سحابة AI QuestCore (السعي) لتحقيق الطابق تسويق التكنولوجيا، وتبدو صناعة قدما إلى القادمة رؤية الكمبيوتر "تطبيق القاتل" قد وصلت.
كيف رأيك؟
