Nowa technologia rozpoznawania twarzy armii amerykańskiej działa w ciemności

Udostępnij tę historię!
Technokraci z DARPA pracują nad tym projektem od kilku lat i najwyraźniej odnieśli sukces. Gdy technologia ta wkracza do organów ścigania i innych sytuacji nadzoru, ciemność nie zapewni już żadnej ochrony. ⁃ Edytor TN

To nie lada wyczyn dla komputera rozpoznawać twarz osoby w świetle dziennym. Proces polega na precyzyjnym pomiarze zdjęcia - wielkości oczu, odległości od nosa do ust itp. - dostosowaniu odległości dla trzech wymiarów i przeszukaniu bazy danych pod kątem dopasowania. Ale żeby zrobić to w nocy, kiedy wszystko, co masz, to obrazy termiczne o znacznie niższej rozdzielczości, Army Research Lab wykorzystało technikę, która pozwala oprogramowaniu naśladować ludzki mózg.

Nasz mózg „widzi” poprzez ekstrapolację obrazu ze stosunkowo niewielkiej ilości danych sensorycznych, przefiltrowanych przez oko. The mózg zużywa kilka razy więcej  masa neuronalna konstruować obrazy z danych wizualnych, niż oko zbiera dane.

Badacze armii widzieli równoległe obrazy termiczne. Takie obrazy pokazują, które części twarzy są cieplejsze i chłodniejsze, ale ogólnie zawierają mniej punktów danych niż porównywalny obraz optyczny z aparatu, co utrudnia wybranie wyraźnych cech. Utworzyli więc splotową sieć neuronową lub CNN, metoda głębokiego uczenia się, która wykorzystuje określone węzły podobne do mózgu i umożliwia wnioskowanie o twarzach na podstawie ograniczonych danych.

Metoda zastosowana przez naukowców polega na rozbiciu termicznego obrazu twarzy na określone obszary, a następnie porównaniu ich z obrazem optycznym tej samej twarzy. Sieć szacuje, gdzie kluczowe cechy znajdują się na obrazie termicznym w stosunku do obrazu konwencjonalnego. Ostateczny produkt sieci jest czymś w rodzaju policyjnego szkicu - nie jest to idealne dopasowanie, ale z wystarczającym nakładaniem się kluczowych punktów, aby uzyskać dopasowanie z dużą pewnością.

papier Opublikowane przez IEEE Zimowa konferencja nt. Zastosowań widzenia komputerowego, naukowcy piszą: „Udało nam się stworzyć wysoce dyskryminujące reprezentacje. Pomimo faktu, że zsyntetyzowane obrazy nie tworzą fotorealistycznej tekstury, osiągnięta wydajność weryfikacji była lepsza niż zarówno w przypadku podejścia podstawowego, jak i niedawnego, gdy dopasowano zsyntetyzowane twarze z widoczną twarzą. ”

Przeczytaj całą historię tutaj ..

Widzieć Termiczne rozpoznawanie twarzy w scenariuszu operacyjnym

Zapisz się!
Powiadamiaj o
gość

0 Komentarze
Informacje zwrotne w linii
Wyświetl wszystkie komentarze