[API, Big Data, IT-компании, Искусственный интеллект, Софт] Белорусский AI сервис опередил Google и Microsoft AI в распознавании автомобилей
Автор
Сообщение
news_bot ®
Стаж: 6 лет 9 месяцев
Сообщений: 27286
Когда дело касается распознавания объектов, первые клики будут в сторону Google или Microsoft. Что если они сразятся между собой в распознавании автомобилей? Мы провели исследование, добавив в список игроков белорусский сервис SpotVision Car Detection. Кто победит?
Начнем с того, что нам нужно было решить прикладную задачу — определять автомобили на картинках, выделять их и сообщать координаты машин. Идея, в первую очередь, появилась для личного использования — чтобы быстро и эффективно находить и видеть свободные парковочные места во дворе еще до того, как водитель туда приедет. В дальнейшем эта идея переросла в задачу для бизнеса — обеспечить дополнительный сервис для клиентов любой компании-собственника парковки, а также клиентов сервиса видеонаблюдения.
Цель в том, чтобы распознавать автомобили на изображениях с камер видеонаблюдения и передавать информацию в схематичном варианте на карту в мобильном приложении или дашборде.
Первым делом мы протестировали Google AI, так как многим продуктам гугла мы доверяем безоговорочно. И казалось, что для такого крупного и влиятельного монстра распознавание автомобилей будет плёвым делом (дастся легко, будет легко выполнимым). Однако, нас ждало разочарование. Распознавание Google AI для автомобилей проходит с малой точностью. Поэтому оно скорее выглядит как пиар для других продуктов гугла, чем качественно работающая система компьютерного видения
Для первого теста мы взяли хорошо освещенные изображения с оптимальной высоты и масштабом автомобилей. Пристрелочный запуск провалился. Из более чем 40 автомобилей Google AI и обвел только 10 машин.
Test 1. Google AI
Обнаружив, что даже великий гугл фэйлит распознавание на таком банальном уровне, мы взяли на сравнение сервис Microsoft Computer Vision. У нас получился вот такой результат.
Test 1. Microsoft Computer Vision
Всего 6 (!) автомобилей. И это выглядит очень печально.
Понимая, что сфера AI только начинает развиваться, а нашего спортивного интереса не унять, мы стали собирать датасет из автомобилей и тренировать собственную нейронную сеть. За основу мы взяли фреймворк YOLOv3 Darknet. Эксперименты показали, что именно он создает меньше всего проблем в реализации. Он быстро обрабатывает изображения и автоматически применяет аугментацию при недостаточном количестве изображений. Спустя период интенсивного обучения у нас появилась натренированная нейронная сеть на базе более 25 тысяч изображений. На текущий момент мы добавляем еще 2500 картинок для тренировки.
Вот как с этим же заданием справилась белорусская AI система SpotVision Car Detection.
Test 1. SpotVision Car Detection
Как видно, определено подавляющее большинство автомобилей, причем не только на парковке. То есть там, где человеческий глаз без проблем может рассмотреть автомобиль, система SpotVision справляется на “отлично”.
Усложним задачу и возьмем ночной вид. С точки зрения актуальности приложения, ночью водителям сложнее найти свободное место на парковке — в силу плохой видимости и большого количества уже припаркованных машин. Потому ночное распознавание наиболее ценно.
Вот что выдал в результате гугл.
Test 2. Google AI
И аналогичный вариант от Майкрософта
Test 2. Microsoft Computer Vision
То есть — полный ноль и отсутствие каких-либо признаков автомобилей на изображении.
Сравним результаты системы распознавания машин SpotVision.
Test 2. SpotVision Car Detection
Двигаемся дальше. Чаще всего камеры видеонаблюдения установлены на верхних этажах многоэтажных домов. Это обеспечивает наибольший визуальный охват площади парковки одной камерой. Что снижает затраты сервисов видеонаблюдения на оборудование и установку. Так как наиболее частый и востребованный кейс — распознавание автомобилей во дворах жилых комплексов и бизнес-центров, мы также взялись проанализировать его в трех системах.
Test 3. Google AI
Test 3. Microsoft Computer Vision
Test 3. SpotVision Car Detection
Теперь поставим вопрос ребром: насколько справляются системы, если на изображении один автомобиль целиком и захвачены края рядом стоящих?
Test 4. Google AI
Test 4. Microsoft Computer Vision
Test 4. SpotVision Car Detection
По результатам, Google AI нашел на картинке 4 объекта, причем три из них — это колеса, а не автомобили целиком. Microsoft Computer Vision определил 2 авто. Spotvision распознал 4 автомобиля целиком и отдельно одно колесо. С небольшой погрешностью, но наиболее полно с задачей справилась белорусская система распознавания автомобилей.
Интересно, что же обведут системы там, где отсутствуют очевидные признаки автомобиля, на которые чаще всего опираются системы по распознаванию — это привычный контур машины и очертание колес.
Test 5. Google AI
Test 5. Microsoft Computer Vision
Test 5. SpotVision Car Detection
На удивление, все три сервиса определили машину точно, только Google AI дополнительно среагировал на колесо или завихрения от цветного дыма, обведя его прямоугольником.
Еще одним естественным природным усложнителем распознавания проявляется дождь и туман. Они снижают четкость изображения и могут прятать объекты от компьютерного видения.
Test 6. Google AI
Test 6. Microsoft Computer Vision
Test 6. SpotVision Car Detection
Google AI и SpotVision Car Detection показали наилучший результат, хотя и потеряли из виду две машины, едущие вдалеке. Microsoft Computer Vision упустил одну машину и из очевидных четырех обвел только три.
Итак, два контрольных теста с максимальным количеством изображенных автомобилей. На Test 7 изображено 46 автомобилей.
Test 7. Google AI
Test 7.Microsoft Computer Vision
Test 7. SpotVision Car Detection
Из 46 машин на картинке Google AI нашел 11 авто, Microsoft Computer Vision — 30 машины и ошибочно обвел знак на столбе, а SpotVision — нашел 46 машин.
Продолжим с примерами, где много машин. Изменяем угол обозрения.
Test 8. Google AI
Test 8. Microsoft Computer Vision
Test 8. SpotVision Car Detection
Добавляем картинки из реальных дворов, учитывая сезонные изменения. В варианте, приведенном ниже, это зимнее время и снег. Как видно, проталины и места, откуда уехали машины, могут быть ошибочно распознаны как автомобили. А также машины под снегом становятся невидимками для систем компьютерного видения.
Test 9. Google AI
Test 9. Microsoft Computer Vision
Test 9.SpotVision Car Detection
Тот же вид, только в ночном режиме.
Test 10. Google AI
Test 10. Microsoft Computer Vision
Test 10. SpotVision Car Detection
Выходит, что Google AI и Microsoft Computer Vision работают с более широким спектром задач, но потерпели абсолютный провал в распознавании автомобилей. Большинство кейсов было провалено полностью или частично, некоторые распознаны с помарками. Поэтому они не подходят для обслуживания бизнеса, который хотел бы расширить свои возможности за счет интеграции с AI-сервисами. При этом белорусский сервис SpotVision Car Detection справился на 98% с поставленными задачами и готов к прикладному применению в режиме реального времени.
Если вы сами хотите проверить работу каждого из сервисов, вот ссылки
Google AI
Microsoft Computer Vision
Spotvision Car Detection
===========
Источник:
habr.com
===========
Похожие новости:
- [Nginx, Законодательство в IT, IT-компании] Forbes: F5 Networks просит суд оставить без рассмотрения иск Lynwood против Nginx
- [IT-инфраструктура, IT-компании, Бизнес-модели, Управление проектами, Управление разработкой] Управление разработкой и производством в Asana
- [Google Chrome, Дизайн, Мониторы и ТВ] sRGB lives matter или как Chrome врал с цветами
- [IT-эмиграция, Карьера в IT-индустрии, IT-компании] Сколько зарабатывают IT-шники в Великобритании и сколько при этом тратят
- [Типографика, Законодательство в IT, IT-компании] TietoEVRY опубликовала шрифт, который оскорбительные английские слова заменяет на нейтральные или ретуширует
- [Финансы в IT] Как выручка ИТ-компаний Азии может пострадать от санкций США против Huawei
- [Анализ и проектирование систем, Big Data, Data Engineering] Создание автоматической системы борьбы с злоумышленниками на сайте (фродом)
- [Разработка под iOS, Законодательство в IT, Игры и игровые приставки, IT-компании] Apple удалила аккаунт Epic Games и все игры компании из App Store
- [Разработка под iOS, Разработка мобильных приложений, Алгоритмы] Что мы знаем о секретной пасхалке гугла для разработчиков?
- [IT-компании] Как создать успешный Fintech-стартап за границей: 8 рекомендаций от практиков
Теги для поиска: #_api, #_big_data, #_itkompanii (IT-компании), #_iskusstvennyj_intellekt (Искусственный интеллект), #_soft (Софт), #_iskusstvennyj_intellekt (искусственный интеллект), #_nejronnye_seti (нейронные сети), #_api, #_google, #_microsoft, #_artificial_intelligence, #_api, #_big_data, #_itkompanii (
IT-компании
), #_iskusstvennyj_intellekt (
Искусственный интеллект
), #_soft (
Софт
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 22-Ноя 17:06
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 9 месяцев |
|
 Когда дело касается распознавания объектов, первые клики будут в сторону Google или Microsoft. Что если они сразятся между собой в распознавании автомобилей? Мы провели исследование, добавив в список игроков белорусский сервис SpotVision Car Detection. Кто победит? Начнем с того, что нам нужно было решить прикладную задачу — определять автомобили на картинках, выделять их и сообщать координаты машин. Идея, в первую очередь, появилась для личного использования — чтобы быстро и эффективно находить и видеть свободные парковочные места во дворе еще до того, как водитель туда приедет. В дальнейшем эта идея переросла в задачу для бизнеса — обеспечить дополнительный сервис для клиентов любой компании-собственника парковки, а также клиентов сервиса видеонаблюдения. Цель в том, чтобы распознавать автомобили на изображениях с камер видеонаблюдения и передавать информацию в схематичном варианте на карту в мобильном приложении или дашборде. Первым делом мы протестировали Google AI, так как многим продуктам гугла мы доверяем безоговорочно. И казалось, что для такого крупного и влиятельного монстра распознавание автомобилей будет плёвым делом (дастся легко, будет легко выполнимым). Однако, нас ждало разочарование. Распознавание Google AI для автомобилей проходит с малой точностью. Поэтому оно скорее выглядит как пиар для других продуктов гугла, чем качественно работающая система компьютерного видения Для первого теста мы взяли хорошо освещенные изображения с оптимальной высоты и масштабом автомобилей. Пристрелочный запуск провалился. Из более чем 40 автомобилей Google AI и обвел только 10 машин. Test 1. Google AI  Обнаружив, что даже великий гугл фэйлит распознавание на таком банальном уровне, мы взяли на сравнение сервис Microsoft Computer Vision. У нас получился вот такой результат. Test 1. Microsoft Computer Vision  Всего 6 (!) автомобилей. И это выглядит очень печально. Понимая, что сфера AI только начинает развиваться, а нашего спортивного интереса не унять, мы стали собирать датасет из автомобилей и тренировать собственную нейронную сеть. За основу мы взяли фреймворк YOLOv3 Darknet. Эксперименты показали, что именно он создает меньше всего проблем в реализации. Он быстро обрабатывает изображения и автоматически применяет аугментацию при недостаточном количестве изображений. Спустя период интенсивного обучения у нас появилась натренированная нейронная сеть на базе более 25 тысяч изображений. На текущий момент мы добавляем еще 2500 картинок для тренировки. Вот как с этим же заданием справилась белорусская AI система SpotVision Car Detection. Test 1. SpotVision Car Detection  Как видно, определено подавляющее большинство автомобилей, причем не только на парковке. То есть там, где человеческий глаз без проблем может рассмотреть автомобиль, система SpotVision справляется на “отлично”. Усложним задачу и возьмем ночной вид. С точки зрения актуальности приложения, ночью водителям сложнее найти свободное место на парковке — в силу плохой видимости и большого количества уже припаркованных машин. Потому ночное распознавание наиболее ценно. Вот что выдал в результате гугл. Test 2. Google AI  И аналогичный вариант от Майкрософта Test 2. Microsoft Computer Vision  То есть — полный ноль и отсутствие каких-либо признаков автомобилей на изображении. Сравним результаты системы распознавания машин SpotVision. Test 2. SpotVision Car Detection  Двигаемся дальше. Чаще всего камеры видеонаблюдения установлены на верхних этажах многоэтажных домов. Это обеспечивает наибольший визуальный охват площади парковки одной камерой. Что снижает затраты сервисов видеонаблюдения на оборудование и установку. Так как наиболее частый и востребованный кейс — распознавание автомобилей во дворах жилых комплексов и бизнес-центров, мы также взялись проанализировать его в трех системах. Test 3. Google AI  Test 3. Microsoft Computer Vision  Test 3. SpotVision Car Detection  Теперь поставим вопрос ребром: насколько справляются системы, если на изображении один автомобиль целиком и захвачены края рядом стоящих? Test 4. Google AI  Test 4. Microsoft Computer Vision  Test 4. SpotVision Car Detection  По результатам, Google AI нашел на картинке 4 объекта, причем три из них — это колеса, а не автомобили целиком. Microsoft Computer Vision определил 2 авто. Spotvision распознал 4 автомобиля целиком и отдельно одно колесо. С небольшой погрешностью, но наиболее полно с задачей справилась белорусская система распознавания автомобилей. Интересно, что же обведут системы там, где отсутствуют очевидные признаки автомобиля, на которые чаще всего опираются системы по распознаванию — это привычный контур машины и очертание колес. Test 5. Google AI  Test 5. Microsoft Computer Vision  Test 5. SpotVision Car Detection  На удивление, все три сервиса определили машину точно, только Google AI дополнительно среагировал на колесо или завихрения от цветного дыма, обведя его прямоугольником. Еще одним естественным природным усложнителем распознавания проявляется дождь и туман. Они снижают четкость изображения и могут прятать объекты от компьютерного видения. Test 6. Google AI  Test 6. Microsoft Computer Vision  Test 6. SpotVision Car Detection  Google AI и SpotVision Car Detection показали наилучший результат, хотя и потеряли из виду две машины, едущие вдалеке. Microsoft Computer Vision упустил одну машину и из очевидных четырех обвел только три. Итак, два контрольных теста с максимальным количеством изображенных автомобилей. На Test 7 изображено 46 автомобилей. Test 7. Google AI  Test 7.Microsoft Computer Vision  Test 7. SpotVision Car Detection  Из 46 машин на картинке Google AI нашел 11 авто, Microsoft Computer Vision — 30 машины и ошибочно обвел знак на столбе, а SpotVision — нашел 46 машин. Продолжим с примерами, где много машин. Изменяем угол обозрения. Test 8. Google AI  Test 8. Microsoft Computer Vision  Test 8. SpotVision Car Detection  Добавляем картинки из реальных дворов, учитывая сезонные изменения. В варианте, приведенном ниже, это зимнее время и снег. Как видно, проталины и места, откуда уехали машины, могут быть ошибочно распознаны как автомобили. А также машины под снегом становятся невидимками для систем компьютерного видения. Test 9. Google AI  Test 9. Microsoft Computer Vision  Test 9.SpotVision Car Detection  Тот же вид, только в ночном режиме. Test 10. Google AI  Test 10. Microsoft Computer Vision  Test 10. SpotVision Car Detection  Выходит, что Google AI и Microsoft Computer Vision работают с более широким спектром задач, но потерпели абсолютный провал в распознавании автомобилей. Большинство кейсов было провалено полностью или частично, некоторые распознаны с помарками. Поэтому они не подходят для обслуживания бизнеса, который хотел бы расширить свои возможности за счет интеграции с AI-сервисами. При этом белорусский сервис SpotVision Car Detection справился на 98% с поставленными задачами и готов к прикладному применению в режиме реального времени. Если вы сами хотите проверить работу каждого из сервисов, вот ссылки Google AI Microsoft Computer Vision Spotvision Car Detection =========== Источник: habr.com =========== Похожие новости:
IT-компании ), #_iskusstvennyj_intellekt ( Искусственный интеллект ), #_soft ( Софт ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 22-Ноя 17:06
Часовой пояс: UTC + 5