April 26th, 2020

О том, как работает распознавание с камер видеонаблюдения и почему видеоданные приносят прибыль



Повсеместное использование камер видеонаблюдения уже никого не удивляет. В крупных городах ими оборудовано большинство объектов: магазины, торговые, офисные и бизнес-центры, заправки, кафе, жилые комплексы и учебные заведения. Только в Москве за 2018 год количество камер видеонаблюдения выросло на 7 тыс., а всего в столице их около 170 тыс. Они обеспечивают безопасность и помогают раскрывать правонарушения: по статистике, с помощью записи камер видеонаблюдения в 2017 году в Москве было раскрыто около 3 тыс. преступлений. Мировой рынок видеонаблюдения, по прогнозам агентства Transparency Market Research, к 2022 году составит $71 млрд. Основатель Macroscop Артем Разумков рассказал «Хайтеку», как совершенствуются технологии камер видеонаблюдения, поступали ли ему коммерческие предложения из Google и стоит ли россиянам бояться тотальной слежки.

Артем Разумков — основатель компании «Сателлит Инновация», который разрабатывает ПО для видеоанализа. В России продукт выходит под брендом Macroscop, за рубежом — Eocortex. Разумков закончил физический факультет Пермского государственного университета по специальности «Компьютерные системы и телекоммуникации». Несколько лет работал в компании «Энергокомплект-Пермь», которая занималась установкой камер видеонаблюдения для систем безопасности. Тогда у него появилась идея создать аналог поисковика для видеокамер, с помощью которого можно было бы находить на записи фрагменты по заданным параметрам. В 2008 году вместе с другом Александром Коробковым разработал проект стартапа, по которому получил 1 млн руб в Фонде Бортника. На эти деньги они открыли компанию.

Google к нам не обращался. Пока

— Вы буквально «на кухне» сделали то, что не смог целый Google с его почти ничем не ограниченными возможностями — научились индексировать и обрабатывать видео?

— Разрабатываем технологии и создаем продукты мы, конечно, не на кухне. Команда больше чем из 100 человек физически там не поместится. А если серьезно, то видео обрабатывается и индексируется по-разному, да и цели могут быть многообразными. Наши продукты предназначены для систем видеонаблюдения. Google на этом не фокусируется. О конкуренции с ним в настоящий момент речи не идет.
Collapse )
promo luckyea77 december 30, 15:00 8
Buy for 10 tokens
По этой ссылке (или этой) можно скачать информационную базу для программы "1С:Предприятие". С помощью данной базы можно готовиться и сдавать экзамены по темам: - Электробезопасность - Основы промышленной безопасности А.1 - Специальные требования промышленной безопасности: Б 9.31.…

Автопилот Tesla теперь реагирует на знаки дорожного движения и сигналы светофора



Новое обновление автопилота Tesla позволяет автоматически реагировать на знаки дорожного движения и сигналы светофора. Однако в компании предупредили, что водителю «нужно оставаться внимательным и быть готовым вмешаться».

Tesla выпустила новую версию автопилота, которая может распознавать сигналы светофора и дорожные знаки. В марте 2020 года предварительную версию этой функции компания тестировала на пользователях с ранних доступом, и уже через 1,5 месяца решила, что ее можно выпустить для всех автовладельцев в США. Разработчики отмечают, что функция пока находится в бета-режиме, но уже позволит Tesla распознавать светофоры, даже если они выключены, и автоматически замедляться на перекрестках.

В примечаниях к новому обновлению системы автопроизводитель отметил, что при активации этой функции автомобили будут самостоятельно останавливаться на красный сигнал светофора или перед знаками STOP. На первом этапе функция доступна только для водителей США, поэтапно Tesla будет внедрять ее и в других странах.
Collapse )

Google Brain пытается создать условия для свободного творчества ИИ



Поиск идеального алгоритма — набора правил, которого должен придерживаться компьютер, чтобы выполнить задачу — обычно монотонный и долгий процесс. Чтобы ускорить и автоматизировать его, специалисты Google придумали систему AutoML-Zero. С ее помощью машинное обучение может стать гораздо доступнее.

AutoML-Zero — система автоматического машинного обучения, которая адаптирует алгоритмы к различным задачам и постоянно улучшает их через эволюционный процесс. Все это снижает объем необходимого вмешательства со стороны человека, а значит, сокращает возможности для привнесения в алгоритм предвзятости. По сути, Google пытается создать условия для свободного творчества компьютера, пишет Popular Mechanics.

«Представьте себе, что ваша цель — построить дом. Если вы берете уже готовые спальни, кухни и ванные комнаты, ваша задача станет осуществимой, но вы ограничены теми комнатами, какие есть у вас в инвентаре, — пояснил Эстебан Рил, инженер-программист из Google Brain. — Если вместо этого вы начнете с цемента и кирпичей, то вам придется труднее, но у вас будет пространство для творчества».

Вместо созданных программистами компонентов AutoML-Zero использует в качестве строительных элементов для новых алгоритмов математику. Конечно, языки программирования — COBOL, Python, Ruby an Rails — облегчают «постройку» программ. Но они же открывают пути проникновения в алгоритмы предвзятостей, то есть ограничений этих самых языков. Исследователи из Google Brain хотят понять пределы возможностей максимально простого, основанного на математике языка.

Для того чтобы создать новый алгоритм для решения той или иной задачи, AutoML-Zero начинает с сотни случайных, созданных из комбинаций математических операций. Затем система выбирает из них наилучшие или «сильнейшие», которые переходят на второй уровень, и так далее, как в эволюции видов. Процесс постоянно повторяется, пока лучшие «мутации» не победят и не создадут окончательный алгоритм.

Главная трудность этого метода заключается в масштабировании. Поскольку AutoML-Zero использует арифметический, а не более упорядоченный язык программирования, системе сложно быстро задать инструкции по выполнению определенной задачи. Каждый раз приходится переизобретать колесо, что не удобно. Если ученые Google смогут решить эту проблему и действительно научат машину создавать алгоритмы, это станет революцией в отрасли. Пользоваться возможностями машинного обучения можно будет гораздо проще, не нанимая целую команду специалистов по большим данным.

Стартап разработал самую экстремальную систему виртуальной реальности



Новозеландский стартап Eight360 разработал самую экстремальную систему виртуальной реальности — вращающийся шар с динамикой ускорения до 180 градусов в секунду диаметром два метра с компьютером, креслом для пользователя и необходимым ПО, чтобы почувствовать полное погружение в игровую симуляцию.

Пандемия коронавируса разрушила планы Eight360 представить платформу Nova как положено, пригласив геймеров и журналистов, но сделала киберспорт практически единственным доступным видом соревновательного спорта. Основатель стартапа Том Миллер видит в киберспорте — и в кибергонках в частности — большой потенциал для своей компании.

«Большинство профессиональных гонщиков покупают себе домой отличные установки, с тремя мониторами и рулем, и всем таким, но они не двигаются, так что невозможно почувствовать, что происходит, — сказал он в интервью New Atlas. — Чего-то не хватает. Мы пытаемся вернуть это ощущение, поместить тебя в центр игры. (…) Это огромные возможности».

Детище Миллера и его команды — система Nova, шар из прозрачного пластика диаметром 2 метра и весом почти 500 кг, установленного на цоколь. Его движением управляют три всенаправленных колеса. Они позволяют программе вращать шар в любую сторону с большой скоростью — до 180 градусов за секунду, симулируя ускорение, торможение, заносы на поворотах, неровности дороги и столкновения.
Collapse )

Запуск блокчейн-системы оплаты по лицу для магазинов и кафе

В конце апреля 2020 года LG CNS запустила блокчейн-систему оплаты с распознаваем лица. Сначала технология заработала в собственной столовой компании, чтобы оценить ее эффективность и преимущества.

Новинка использует специально предназначенное ИИ-устройство с возможностью распознавания лиц. По словам LG CNS, устройство опознает сотрудника, а затем автоматически проводит платеж с использованием предварительно зарегистрированной валюты сообщества.


LG CNS запустила блокчейн-систему оплаты с распознаваем лица

По данным LG CNS, вся система использует облачные вычисления. Цель сервиса — сделать платежи более удобными и сократить ненужные контакты, которые будут выгодно отличать новую услугу от аналогичных систем, таких как использование мобильных QR-кодов или смарт-тегов. Пока что блокчейн-система проходит испытания, в рамках которых используется один считыватель и одна стойка в офисном кафе, однако LG CNS уже планирует расширить обслуживание и охватить как можно большее число ресторанов и магазинов, обслуживающих сотрудников компании.

LG CNS также продолжит тестировать технологии искусственного интеллекта, облачные технологии и блокчейн-системы для разработки новых сервисов. Так, в феврале 2020 года компания развернула службу распознавания лиц в своей штаб-квартире в Сеуле, а в штаб-квартире LG CNS используется новая система контроля ворот, которую компания надеется в конечном итоге предложить своим клиентам.

По словам LG CNS, используемые ИИ-системы компании также измеряют температуру сотрудников и следят за соблюдением правил социального дистанцирования на фоне пандемии COVID-19. Компания также разрабатывает платформу распределения продуктов на основе блокчейна, чтобы предоставить потребителям точную информацию о том, откуда поступают продукты в местные школьные столовые.