سه محقق ، Amarjot Singh (دانشگاه کمبریج) ، Devendra Patil (NIT Warangal هند) و SN Omkar (IISc Bangalore) در حال کار بر روی استفاده از یک هواپیمای بدون سرنشین و هوش مصنوعی برای شناسایی نبردهای افراد در میان جمعیت هستند.
مقاله آنها "چشم در آسمان: سیستم نظارت بر هواپیماهای بدون سرنشین در زمان واقعی (DSS) برای شناسایی افراد خشونت آمیز با استفاده از شبکه یادگیری عمیق Hybrid ScatterNet Hybrid Deep" در ArXiv است. یک ویدیو نحوه عملکرد سیستم آنها را نشان می دهد.
DroneDJ با بیان اینكه آنها از یك هواپیمای بدون سرنشین مصرف كننده خارج از قفسه استفاده می كنند ، آن را با هوش مصنوعی بار می آورند و می توانند در یك منطقه شلوغ مانند ورزشگاه ورزشی یا معترض نظارت كنند و به دنبال خشونت هایی نظیر مشت زدن ، لگد زدن ، خفه ، تیراندازی یا ضرب و شتم. "
چرا زحمت؟ آیا دوربین های مداربسته استاندارد کافی نیستند؟ دوربین های مدار بسته استاندارد بهترین کار را برای نظارت بر جنایتکاران خشونت آمیز در اماکن بزرگ عمومی انجام نمی دهند. هواپیماهای بدون سرنشین را وارد کنید.
این مقاله در یک کارگاه آموزشی در IEEE Computer Vision and Pattern Recognition (CVPR) 2018 این ماه ظاهر می شود. این سیستم با پردازش تصاویر هواپیماهای بدون سرنشین در ابر ، افراد خشن را در زمان واقعی تشخیص می دهد.
آنها در مقاله خود به پنج نوع اعمال خشونت آمیز اشاره کردند: مشت زدن ، لگد زدن ، خفه کردن ، تیراندازی یا ضرب و شتم.
تحقیقات آنها آنچه را به عنوان "مجموعه هوایی خشن هوایی که برای آموزش شبکه عمیق استفاده می شود" معرفی کردند. آنها گفتند که امیدوارم این ممکن است محققان دیگری را که علاقه مند به استفاده از یادگیری عمیق برای نظارت هوایی هستند ، ترغیب کند.
جیمز وینسنت در The Verge توضیح داد كه الگوریتمی كه با استفاده از یادگیری عمیق آموزش دیده است ، نكات انسانهای موجود در این ویدئو را تخمین می زند و آنها را با وضعیت هایی كه محققان به عنوان خشن تعیین كرده اند ، تخمین می زند. در این ویدئو آمده است که افراد خشن با جعبه های محدود کننده مشخص شده اند.
سیستم آنها چقدر مؤثر است؟ وقتی افراد بیشتری وارد صحنه می شوند سطح دقت پایین می رود. جیمز وینسنت: "با این حال ، تحقیقات باید با كمك نمك انجام شود ، به خصوص با توجه به ادعاهای صحت آن. سینگ و همكارانش گزارش می دهند كه سیستم آنها 94٪ در شناسایی نكات" خشونت آمیز "دقیق بوده است ، اما آنها توجه دارند كه هرچه تعداد افراد بیشتری در قاب ظاهر شوند ، این رقم پایین تر است. (هنگام مشاهده 10 نفر به دقت 79 درصد سقوط کرد.) "
کار آنها نشان دهنده علاقه پژوهشی به کاوش در راه های استفاده از یادگیری ماشین برای تجزیه و تحلیل فیلم های زنده است. DroneDJ گفت: آنها قصد دارند آن را در دو جشنواره آینده در هند آزمایش کنند .
در این مقاله همچنین مجموعه داده های هوایی خشونت هوایی (AVI) معرفی شده است که می تواند محقق دیگری را با هدف استفاده از یادگیری عمیق برای برنامه های نظارت هوایی سود ببرد.
در تصویر بزرگتر ، اکنون واضح است که کلمه "نظارت" به خودی خود یک اصطلاح لود شده است و کسی به فکر دولتهای سرکوبگر است که مشتاق سکوت معترضان با قرار دادن آنها در قفل و کلید به دلایل دلپذیر هستند. از طرف دیگر ، جوامع در حال مقابله با سرگردانی ، گروه های نفرت و آدم ربایی هستند.
سه محقق ، Amarjot Singh (دانشگاه کمبریج) ، Devendra Patil (NIT Warangal هند) و SN Omkar (IISc Bangalore) در حال کار بر روی استفاده از یک هواپیمای بدون سرنشین و هوش مصنوعی برای شناسایی نبردهای افراد در میان جمعیت هستند.
مقاله آنها "چشم در آسمان: سیستم نظارت بر هواپیماهای بدون سرنشین در زمان واقعی (DSS) برای شناسایی افراد خشونت آمیز با استفاده از شبکه یادگیری عمیق Hybrid ScatterNet Hybrid Deep" در ArXiv است. یک ویدیو نحوه عملکرد سیستم آنها را نشان می دهد.
DroneDJ با بیان اینكه آنها از یك هواپیمای بدون سرنشین مصرف كننده خارج از قفسه استفاده می كنند ، آن را با هوش مصنوعی بار می آورند و می توانند در یك منطقه شلوغ مانند ورزشگاه ورزشی یا معترض نظارت كنند و به دنبال خشونت هایی نظیر مشت زدن ، لگد زدن ، خفه ، تیراندازی یا ضرب و شتم. "
چرا زحمت؟ آیا دوربین های مداربسته استاندارد کافی نیستند؟ دوربین های مدار بسته استاندارد بهترین کار را برای نظارت بر جنایتکاران خشونت آمیز در اماکن بزرگ عمومی انجام نمی دهند. هواپیماهای بدون سرنشین را وارد کنید.
این مقاله در یک کارگاه آموزشی در IEEE Computer Vision and Pattern Recognition (CVPR) 2018 این ماه ظاهر می شود. این سیستم با پردازش تصاویر هواپیماهای بدون سرنشین در ابر ، افراد خشن را در زمان واقعی تشخیص می دهد.
آنها در مقاله خود به پنج نوع اعمال خشونت آمیز اشاره کردند: مشت زدن ، لگد زدن ، خفه کردن ، تیراندازی یا ضرب و شتم.
تحقیقات آنها آنچه را به عنوان "مجموعه هوایی خشن هوایی که برای آموزش شبکه عمیق استفاده می شود" معرفی کردند. آنها گفتند که امیدوارم این ممکن است محققان دیگری را که علاقه مند به استفاده از یادگیری عمیق برای نظارت هوایی هستند ، ترغیب کند.
جیمز وینسنت در The Verge توضیح داد كه الگوریتمی كه با استفاده از یادگیری عمیق آموزش دیده است ، نكات انسانهای موجود در این ویدئو را تخمین می زند و آنها را با وضعیت هایی كه محققان به عنوان خشن تعیین كرده اند ، تخمین می زند. در این ویدئو آمده است که افراد خشن با جعبه های محدود کننده مشخص شده اند.
سیستم آنها چقدر مؤثر است؟ وقتی افراد بیشتری وارد صحنه می شوند سطح دقت پایین می رود. جیمز وینسنت: "با این حال ، تحقیقات باید با كمك نمك انجام شود ، به خصوص با توجه به ادعاهای صحت آن. سینگ و همكارانش گزارش می دهند كه سیستم آنها 94٪ در شناسایی نكات" خشونت آمیز "دقیق بوده است ، اما آنها توجه دارند كه هرچه تعداد افراد بیشتری در قاب ظاهر شوند ، این رقم پایین تر است. (هنگام مشاهده 10 نفر به دقت 79 درصد سقوط کرد.) "
کار آنها نشان دهنده علاقه پژوهشی به کاوش در راه های استفاده از یادگیری ماشین برای تجزیه و تحلیل فیلم های زنده است. DroneDJ گفت: آنها قصد دارند آن را در دو جشنواره آینده در هند آزمایش کنند .
در این مقاله همچنین مجموعه داده های هوایی خشونت هوایی (AVI) معرفی شده است که می تواند محقق دیگری را با هدف استفاده از یادگیری عمیق برای برنامه های نظارت هوایی سود ببرد.
در تصویر بزرگتر ، اکنون واضح است که کلمه "نظارت" به خودی خود یک اصطلاح لود شده است و کسی به فکر دولتهای سرکوبگر است که مشتاق سکوت معترضان با قرار دادن آنها در قفل و کلید به دلایل دلپذیر هستند. از طرف دیگر ، جوامع در حال مقابله با سرگردانی ، گروه های نفرت و آدم ربایی هستند.
پمپ وکیوم خلاء حلقه مایع برای فشار خلاء