Одним из устойчивых и заслуживающих внимания трендов в области интеллектуальных систем за последние годы стало глубокое обучение. Эти методы уверенно завоевывают новые ниши в сфере IT-технологий. Не является исключением и видеонаблюдение.
Для того, чтобы объяснить в чем разница между обычными системами искусственного интеллекта и глубинными стоит привести наглядный пример. В первом случае, интеллектуальная система оперирует с заранее заданным набором базовых прототипов. Во втором, программы не только используют базовые данные, но и учатся создавать алгоритмы для поиска аналогичных объектов. В результате, интеллектуальные системы получают возможность самообучаться.
Впервые теория и методы глубинного обучения интеллектуальных систем появились еще в 80-х годах ХХ века. Их основой стали эксперименты с нейронными сетями, которые представляют собой модели мозговой деятельности человека. Но на начальном этапе, из-за несовершенства компьютеров и слабых вычислительных мощностей, дальше теоретических выкладок дело не пошло.
В последние годы исследователи опять вернулись к решению комплекса задач, связанных с самообучающимися интеллектуальными системами. Это направление стало активно развиваться. Уже появились конкретные результаты, реализованные в виде практических решений. В частности, глубинное обучение с успехом используется в медицине, криминалистике, для решения различных прикладных задач. показателен пример программы AlphaGo, которая разработана программистами Google. Она с уверенностью побеждает многих авторитетных игроков в го.
В области видеонаблюдения глубинное обучение также может найти применение. Современные комплексы наблюдения и контроля это высокоинтеллектуальные системы. Кстати, именно поэтому, проектирование и монтаж видеонаблюдения стоит доверять только профессионалам.
В видеонаблюдении технологии глубинного обучения позволяют решить две основные задачи. Во-первых, с их помощью более точно происходит распознавание объектов, в частности лиц на записи. Во-вторых, такие системы с помощью самообучения могут распознавать и сигнализировать о внештатных ситуациях, которые развиваются по неожиданным сценариям.
Оцените статью!