Cuando se trata de reconocimiento de objetos, los primeros clics serán hacia Google o Microsoft. ¿Qué pasa si luchan entre sí para reconocer los autos? Hemos realizado un estudio añadiendo el servicio bielorruso de detección de coches SpotVision a la lista de jugadores. ¿Quién ganará?
Comencemos con el hecho de que necesitábamos resolver un problema aplicado: identificar automóviles en imágenes, seleccionarlos e informar las coordenadas de los automóviles. La idea, en primer lugar, apareció para uso personal: encontrar y ver de manera rápida y eficiente espacios de estacionamiento gratuitos en el patio incluso antes de que llegue el conductor. Más tarde, esta idea se convirtió en una tarea para las empresas: proporcionar servicios adicionales para los clientes de cualquier empresa de estacionamiento, así como para los clientes de servicios de videovigilancia.
El objetivo es reconocer automóviles en imágenes de cámaras CCTV y transmitir información en forma esquemática a un mapa en una aplicación móvil o tablero.
En primer lugar, probamos Google AI, ya que confiamos incondicionalmente en muchos productos de Google. Y parecía que para un monstruo tan grande e influyente, reconocer los coches sería un asunto trivial (se dará fácilmente, será fácil de hacer). Sin embargo, nos decepcionó. El reconocimiento de inteligencia artificial de Google para automóviles no es muy preciso. Por lo tanto, parece más un PR para otros productos de Google que un sistema de visión por computadora que funciona bien.
Para la primera prueba, tomamos imágenes bien iluminadas a la altura y escala óptimas de los vehículos. El lanzamiento de avistamiento falló. De más de 40 autos, Google AI y solo rodearon 10 autos.
Prueba 1. IA de Google
Habiendo descubierto que incluso el gran Google falla en el reconocimiento a un nivel tan banal, tomamos el servicio Microsoft Computer Vision para comparar. Obtuvimos el siguiente resultado.
Prueba 1. Microsoft Computer Vision
Only 6 (!) Cars. Y se ve muy triste.
Al darnos cuenta de que la esfera de la IA recién está comenzando a desarrollarse y que nuestro interés deportivo no puede aliviarse, comenzamos a recopilar un conjunto de datos de automóviles y a entrenar nuestra propia red neuronal. Tomamos el framework YOLOv3 Darknet como base. Los experimentos han demostrado que es él quien crea menos problemas en la implementación. Procesa imágenes rápidamente y aplica automáticamente el aumento cuando no hay suficientes imágenes. Luego de un período de entrenamiento intensivo, contamos con una red neuronal entrenada basada en más de 25 mil imágenes. Por el momento estamos agregando otras 2500 imágenes para entrenamiento.
Así es como el sistema de inteligencia artificial bielorruso SpotVision Car Detection hizo frente a la misma tarea.
Prueba 1. Detección de coches SpotVision
Como puede ver, la gran mayoría de los autos fueron identificados, y no solo en el estacionamiento. Es decir, donde el ojo humano puede ver fácilmente un automóvil, el sistema SpotVision hace un excelente trabajo.
Compliquemos la tarea y tomemos una vista nocturna. Desde el punto de vista de la relevancia de la aplicación, es más difícil para los conductores encontrar una plaza de aparcamiento libre por la noche debido a la poca visibilidad y a una gran cantidad de coches ya aparcados. Por lo tanto, la discriminación nocturna es muy valiosa.
Esto es lo que dio Google como resultado.
Prueba 2. Google AI
Y una versión similar de Microsoft
Prueba 2. Visión por computadora de Microsoft
Es decir, cero completo y la ausencia de signos de automóviles en la imagen.
Comparemos los resultados del sistema de reconocimiento de máquinas SpotVision.
Prueba 2. La detección de coches SpotVision sigue
adelante. Muy a menudo, las cámaras CCTV se instalan en los pisos superiores de edificios de varios pisos. Esto proporciona la mayor cobertura visual del área de estacionamiento con una sola cámara. Eso reduce el costo de los servicios de videovigilancia para equipos e instalación. Dado que el caso más frecuente y demandado es el reconocimiento de automóviles en los patios de conjuntos residenciales y centros comerciales, también nos comprometimos a analizarlo en tres sistemas.
Prueba 3. Prueba de inteligencia artificial de Google 3.
Prueba de visión por computadora de Microsoft
3. Detección de automóviles SpotVision
Ahora planteemos la pregunta a quemarropa: ¿cómo se las arreglan los sistemas si la imagen muestra un automóvil completo y se capturan los bordes de los adyacentes?
Prueba 4. Prueba de inteligencia artificial de Google
4. Visión por computadora de Microsoft
Prueba 4. Detección de coches SpotVision
Según los resultados, Google AI encontró 4 objetos en la imagen, y tres de ellos son ruedas, no coches completos. Microsoft Computer Vision ha identificado 2 coches. Spotvision ha reconocido 4 vehículos como un todo y una rueda por separado. El sistema de reconocimiento de automóviles bielorruso hizo frente a la tarea con un pequeño error, pero de manera más completa.
Es interesante lo que los sistemas rodearán donde no hay signos obvios del automóvil, en los que se basan con mayor frecuencia los sistemas de reconocimiento: este es el contorno habitual del automóvil y el contorno de las ruedas.
Prueba 5. Prueba de inteligencia artificial de Google 5.
Prueba de visión por computadora de Microsoft
5. Detección de automóviles SpotVision
Sorprendentemente, los tres servicios identificaron el automóvil con precisión, solo Google AI reaccionó adicionalmente al volante o los remolinos de humo de colores, rodeándolo con un rectángulo.
La lluvia y la niebla es otra complicación natural del reconocimiento. Reducen la nitidez de la imagen y pueden ocultar objetos de la visión por computadora.
Prueba 6. Prueba de inteligencia artificial de Google 6.
Prueba de visión por computadora de Microsoft
6. Detección de automóviles SpotVision La
inteligencia artificial de Google y la detección de automóviles SpotVision obtuvieron los mejores resultados, aunque perdieron de vista dos automóviles que viajaban en la distancia. Microsoft Computer Vision perdió una máquina y, de las cuatro obvias, solo marcó tres.
Entonces, dos pruebas de control con el número máximo de vehículos mostrado. La prueba 7 muestra 46 vehículos.
Prueba 7. Prueba de inteligencia artificial de Google 7.
Prueba de visión por computadora de Microsoft
7. Detección de automóviles SpotVision
De los 46 automóviles en la imagen, Google AI encontró 11 automóviles, Microsoft Computer Vision - 30 automóviles y rodeó erróneamente el letrero en el poste, y SpotVision encontró 46 automóviles.
Continuemos con ejemplos donde hay muchos coches. Cambiar el ángulo de visión.
Prueba 8. Prueba de inteligencia artificial de Google 8.
Prueba de visión por computadora de Microsoft
8. Detección de automóviles SpotVision Agregamos
imágenes de patios reales, teniendo en cuenta los cambios estacionales. En la variante a continuación, es invierno y nieve. Como puede ver, los parches descongelados y los lugares donde se han ido los automóviles pueden reconocerse erróneamente como automóviles. Y también los coches bajo la nieve se vuelven invisibles para los sistemas de visión por computadora.
Prueba 9. IA de Google
Prueba 9. Prueba de visión por computadora de Microsoft 9.
Detección de automóvil de SpotVision
La misma vista, solo en modo nocturno.
Prueba 10. Prueba de inteligencia artificial de Google 10.
Prueba de visión por computadora de Microsoft
10. Detección de automóviles SpotVision
Resulta que la IA de Google y la Visión por computadora de Microsoft funcionan con una gama más amplia de tareas, pero han sufrido una falla absoluta en la detección de automóviles. La mayoría de los casos fallaron total o parcialmente, algunos fueron reconocidos con manchas. Por lo tanto, no son adecuados para brindar servicios a empresas que deseen ampliar sus capacidades mediante la integración con los servicios de IA. Al mismo tiempo, el servicio bielorruso SpotVision Car Detection ha hecho frente al 98% de las tareas asignadas y está listo para su aplicación en tiempo real.
Si desea probar cada servicio usted mismo, aquí están los enlaces
Google AI
Microsoft Computer Vision
Spotvision Car Detection