گجت نیوز آخرین اخبار تکنولوژی، علم و خودرو 
یکی از ویژگی‌های موجود در سیستم‌های حفاظتی و مداربسته توانایی تجزیه و تحلیل داده‌هاست. این سیستم‌ها از طریق تجزیه و تحلیل اطلاعات به دست آمده، قابلیت‌های ویژه‌ای را ارائه می‌کنند. مانند توانایی تشخیص چهره، تشخیص پلاک، شمارش افراد و… اما با این وجود این قابلیت‌ها با کاستی‌هایی نیز همراه بوده است و این مستقیما به الگوریتم‌های به‌کار رفته در آن‌ها مربوط است. این الگوریتم‌ها به صورت سنتی طراحی شده‌اند و معمولا قادر به تجزیه و تحلیل دقیق داده‌ها نیستند. بنابراین شرکت هایک ویژن تصمیم به استفاده از تکنولوژی هوش مصنوعی در محصولات خود نموده و اصطلاحا آن را Deep learning نامگذاری کرده است.
در طی دو سال گذشته، این تکنولوژی در تشخیص چهره، ترجمه صوتی، فیلتر آرام کاذب و… پیشرفت‌های بسیاری داشته است. از این رو، در زمینه صنایع حفاظتی و امنیتی مورد استقبال گسترده‌ای قرار گرفته است. توانایی هوش مصنوعی Deep Learning هایک ویژن در تشخیص چهره افراد مختلف باعث افزایش کارایی سیستم‌های مداربسته شده است.
تکنولوژی Deep learning هایک ویژن در واقع از روی شبکه عصبی مغز انسان شبیه‌سازی شده است. مغز ما می‌تواند مثال کاملی از مدل Deep learning هایک ویژن باشد. Deep learning ساختار شبکه عصبی مغز را که شامل میلیاردها نورون متصل به هم است، شبیه‌سازی می‌کند. از جمله ویژگی‌های این تکنولوژی می‌توان به توانایی object abstraction (کاهش یا حذف اطلاعات کم‌اهمیت) و recreation (خلق مجدد) سوژه‌ها اشاره نمود.
اساس عملکرد هوش مصنوعی هایک ویژن
- تبدیل الگوریتم‌های سطحی به الگوریتم‌های عمیق و پیچیده
مدل الگوریتمی به‌کاررفته در هوش مصنوعی هایک ویژن بسیار پیچیده‌تر و عمیق‌تر از ساختار الگوریتم‌های سنتی است. به‌طوری‌که تعداد لایه‌های به‌کار رفته در آن می‌تواند به بیش از صد عدد نیز برسد، به این ترتیب آن را قادر می‌سازد تا حجم زیادی از اطلاعات را در دسته‌بندی‌های مختلف در خود جای دهد. همان‌طور که گفتیم نحوه عملکرد Deep learning بسیار شبیه فرآیند یادگیری در انسان است. در این ساختار هر لایه دارای وزن متفاوتی خواهد بود. هرچه سطح لایه بالاتر باشد مولفه‌های آن نیز خاص‌تر است. بر طبق این الگوریتم یک سیگنال اصلی از طریق لایه‌های پردازشی عبور می‌کند؛ سپس، Deep Learning آن را از یک برداشت سطحی (کم عمق) به یک مفهوم (عمیق) تبدیل کرده که قابل درک برای ما خواهد بود.
- تبدیل ویژگی‌های تعریف شده مصنوعی به قابلیت شناخت ویژگی‌ها
Deep learning در دوربین مداربسته هایک ویژن به مداخله دستی نیاز ندارد، بلکه به یک کامپیوتر قدرتمند برای توسعه عملکردهای خود متکی است. به این ترتیب می‌تواند ویژگی‌های بسیاری از هدف مورد نظر را تشخیص دهد. از جمله ویژگی‌های انتزاعی که توصیف آن‌ها دشوار یا غیرممکن است (مانند خطوط چهره که در هر فرد متفاوت است). هر چه کاراکترها و ویژگی‌های استخراج شده از سوژه بیشتر باشد، به صورت دقیق‌تری مشخص و طبقه‌بندی خواهد شد. برخی از مزایای استثنایی الگوریتم‌های Deep learning عبارتند از:
- دستیابی به دقت تشخیصی بالا برابر با قدرت مغز انسان و یا حتی بهتر از آن
- قابلیت‌های ضد تداخلی قوی در هنگام وجود سوژه‌های مختلف
- قابلیت طبقه‌بندی و تشخیص هزاران ویژگی از سوژه‌های مختلف
فاکتورهای کلیدی در Deep Learning
الگوریتم Deep Learning به سه دلیل عمده زیر در سال‌های اخیر مورد توجه واقع شده است که تا قبل از آن ناشناخته بود:
- بالا بودن مقیاس داده‌ها
در هوش مصنوعی هایک ویژن برای تجزیه و تحلیل داده‌ها از حجم انبوهی از اطلاعات استفاده می‌گردد. هایک ویژن سال‌های زیادی است که با گسترش بخش تحقیق و توسعه خود در زمینه تجهیزات امنیتی فعالیت می‌کند و حجم زیادی از داده‌های تصویری واقعی را به‌عنوان نمونه‌های آموزشی مورد استفاده قرار می‌دهد. با در اختیار داشتن نمونه‌های بسیار زیادی از اطلاعات تصویری با کیفیت خوب، حجم زیادی از نمونه‌ها (داده) در دسته‌بندی‌های میلیونی جمع‌آوری می‌گردند. با استفاده از این نمونه‌های دسته‌بندی‌شده، مدل‌های تشخیص الگوهای انسانی، وسایل نقلیه و اشیا به صورت بسیار دقیق‌تری در دسترس سیستم قرار می‌گیرد.
- قدرت محاسباتی بالا
با وجود پلتفرم‌های سخت‌افزاری پیشرفته، قدرت محاسباتی در این فناوری بسیار افزایش می‌یابد. در مدل Deep Learning برای انجام محاسبات پیچیده به حجم زیادی از نمونه‌ها نیاز است. در گذشته سخت افزارها قادر به پردازش مدل‌های پیچیده Deep Learning با بیش از صد لایه نبودند. برای مثال Deep Mind (هوش مصنوعی گوگل) با استفاده از 1000 دستگاه که مجهز به 16000 پردازنده گرافیکی بود، برای شبیه‌سازی یک شبکه عصبی با حدود 1 میلیارد نورون استفاده کرد. اما با توسعه تکنولوژی امروزه تنها تعداد کمی GPUs (پردازنده‌های گرافیکی) برای دستیابی به همان قدرت محاسباتی حتی با سرعت بالاتر مورد نیاز است. توسعه سریع پردازنده‌های گرافیکی، ابر رایانه‌ها، پردازش ابری و دیگر سیستم عامل‌های سخت‌افزاری با کارایی بالا، امکان پیشرفت و توسعه Deep Learning هایک ویژن را فراهم کرده است.
- ساختار شبکه مانند آن
از طریق بهینه‌سازی مداوم الگوریتم‌های Deep Learning، می‌توان تشخیص و ردیابی سوژه‌های تصویری را به صورت کارآمدتری انجام داد. برای عملکردهای پیچیده‌تر مانند تشخیص چهره، ساختار شبکه‌ای به صورت موفق‌تری عمل خواهد نمود. این امر همچنین برای مکان‌هایی با اختلاف سطح نور، و یا نصب دوربین در زاویه‌های مختلف و… نیز کاربرد دارد. اصولا لایه‌های بیشتر در الگوریتم‌های Deep Learning، مساوی است با کارایی بهتر. لازم به ذکر است که در سال 2016، هایک ویژن در بخش طبقه‌بندی موضوعی تصویر در چالش ImageNet Large Scale Visual Recognition نیز مقام اول را کسب نمود.
از جمله کاربردهای هوش مصنوعی هایک ویژن در سیستم‌های مداربسته می‌توان به موارد زیر اشاره نمود:
- تشخیص و شناسایی چهره
- تشخیص و تمییز وسایل نقلیه مختلف (موتوردار و بدون موتور مانند دوچرخه)
- تشخیص نام تجاری و پلاک وسیله نقلیه
- تشخیص عابرین پیاده
- تشخیص ویژگی‌های بدن انسان
- تشخیص ویژگی‌های غیرطبیعی صورت
- تجزیه و تحلیل رفتاری جمعیت، ردیابی چند هدف و…
شرکت هایک ویژن در صدد است تا این مفاهیم را در الگوریتم‌های تجزیه و تحلیل خود توسعه دهد. استفاده از این الگوریتم در موارد ذکر شده به طور قابل توجهی منجر به پیشرفت عملکرد تجزیه و تحلیل تصاویر در دوربین‌های مداربسته می‌گردد. مطلب فوق بازگو کننده بخشی از تلاش‌های شرکت هایک ویژن برای ارتقای محصولات خود در زمینه سیستم‌های حفاظتی است.
برای دریافت اطلاعات بیشتر در مورد این محصولات می‌توانید سوالات خود را با کارشناسان فروش محصولات هایک ویژن مطرح نمائید. همچنین می‌توانید محصول مورد نظر خود را از نمایندگی رسمی هایک ویژن در ایران تهیه نمائید. لازم به ذکر است که این محصولات دارای گارانتی دو ساله هستند و توسط نمایندگی هایک ویژن تهران و نیز در برخی شهرستان‌ها ارائه می‌شوند.
پایان رپورتاژ آگهی /.
