组件供应商

成员自2012年以来

了解更多

EVT开发用于1D,2D,3D,主题成像和高光谱解决方案的图形编程机器视觉软件。

内容提交:

行业:
汽车,交通系统和运输汽车,交通系统和运输

应用:
文档/存档文档/存档

Vecid为制作和型号 - 识别比人脑更好的汽车?

发表于06/28/2018.

Vecid可以通过机器学习识别制作,型号,车牌等等。人类大脑使视觉识别似乎很容易。人类可以区分熊猫和北极熊而无需努力。但是通过计算机,这些任务非常难以解决。

在过去的几年里,机器或深度学习已经开始解决这些困难。EVT优惠因此,vecid(=车辆识别)工具设置为识别汽车类型和模型,也称为“make&model”。"Make" means the maker of a vehicle, such as e.g.: Ford, Toyota, Honda, etc. and "Model" is the specific name of the vehicle such as e.g.: Focus, Accord, Pathfinder, etc. For some people this is a very straight forward task, especially for car aficionados. A human brain can recognize cars according to some main characteristics such as logos, hood ornament, labels, etc. But for a computer it has been a difficult task so far, due to the visual complexity of vehicles.

深度学习Vecid工具集可以识别汽车模型,并可以告诉您奥迪和大众之间的区别。它还可以告诉您同一模型的制造年份,这对于人类脑而言非常困难。

当然不仅是同一个制造商的汽车看起来相似,而且是不同制造商的SUV型号或奥迪和宝马的轿车。制作和模型认可不仅可以看到明显的,而且可以区分汽车,即使是人眼睛难以分开。日产和丰田等制造商的掀背车可以看起来相似,当照片乘坐几辆汽车的繁忙的道路上拍摄时。但这对Vecid没问题。你可能会想:“但是车上有一个标志。”这应该让它变得容易,没有?但是,如果你看不到徽标,以及每年的制造年份以及每辆车的模型,呢?亚洲或美国?

主要挑战是达到细粒度的分类。一个人应该记住,在短时间内的条件下,深度学习是不可行的,几乎没有计算能力或少数数据。

神经网络是深度学习的基础,有几个层。最好想象一系列的模型,这些模型是由人类大脑的启发“松散”。对于“制作和型号”来说,重要的是要记住,汽车的分类图像集更大。

我们不是教授计算机的每种可能性模型的可能性,而不是养活深度学习计划吨现有图像。

神经网络由人工神经元构成,其被设置为层。具有两个以上“隐藏层”的神经网络被称为深度神经网络。可以识别模式越复杂的层越复杂。

听起来很容易构建一个大神经网络,称之为AI(人工智能),但不要忘记一些必要点:

  • 人造神经元与人脑的工作非常不同
  • 人类脑具有1000亿神经元和100万亿突触,并与大约20瓦(足以为弱势灯泡供电)进行操作 - 与此相比:神经网络仅有1000万神经元和16000税收的10亿个联系(约300万瓦)
  • 大脑限于5种类型的5种类型的输入数据
  • 孩子们不学习汽车是什么通过观看100.000张图片分类为“汽车”和“没有车”,但机器学习也是如此

制造和模型识别如今是一个非常流行的自动化系统元素,例如交通控制或执法监测。

此外,制造和型号也用于收费路线和边境控制,以及交通流量和密度的统计数据。

嵌入式愿景此内容是嵌入式视觉策划集合的一部分。要了解有关嵌入式愿景的更多信息,点击这里