Ученые Исследовательского центра в сфере ИИ МГУ с коллегами создали новый метод определения людей по силуэту под названием DynaMix. В его основе лежит идея обучения на «смеси» разнородных данных. В дальнейшем технология может быть применена в сфере безопасности и в бизнесе. Результаты исследования опубликованы в ведущем журнале Neurocomputing.
На камерах видеонаблюдения далеко не всегда видно лица людей, поэтому часто бывает необходим анализ их силуэтов. Однако современные методы распознавания силуэтов далеки от аналогичных подходов к распознаванию лиц с точки зрения их точности. Основная причина огромной разницы в точности между этими классами алгоритмов заключается в крайне малом количестве данных для обучения методов реидентификации. Прежде всего, это связано со спецификой задачи — она подразумевает изображения одного и того же человека с разных камер и ракурсов в разные моменты времени (многокамерные данные). Наборы данных такого рода сложно собрать и разметить.
Ученым Центра ИИ МГУ совместно с компанией Tevian удалось свести эту разницу в качестве к минимуму за счет нового подхода к обучению алгоритмов искусственного интеллекта. В своей работе авторы представили метод, в котором используется идея обучения на «смеси» разнородных данных.
Более подробно читайте в источнике — на сайте МГУ имени М.В. Ломоносова
На камерах видеонаблюдения далеко не всегда видно лица людей, поэтому часто бывает необходим анализ их силуэтов. Однако современные методы распознавания силуэтов далеки от аналогичных подходов к распознаванию лиц с точки зрения их точности. Основная причина огромной разницы в точности между этими классами алгоритмов заключается в крайне малом количестве данных для обучения методов реидентификации. Прежде всего, это связано со спецификой задачи — она подразумевает изображения одного и того же человека с разных камер и ракурсов в разные моменты времени (многокамерные данные). Наборы данных такого рода сложно собрать и разметить.
Ученым Центра ИИ МГУ совместно с компанией Tevian удалось свести эту разницу в качестве к минимуму за счет нового подхода к обучению алгоритмов искусственного интеллекта. В своей работе авторы представили метод, в котором используется идея обучения на «смеси» разнородных данных.
Более подробно читайте в источнике — на сайте МГУ имени М.В. Ломоносова