使用大數據分析圖像 視頻比人腦更好

提高交通安全性，改善健康服務和環境效益 - 大數據專家看到了先進圖像分析和識別技術的廣泛可能性。

“通過計算機進行高級圖像識別是大量非常苛刻的工作的結果。你必須模仿人類大腦區分重要信息的重要性，”挪威卑爾根Uni Research的Eirik Thorsnes說。

Thorsnes負責公司大數據分析中心的一個小組，該中心負責制定用于研究和商業目的的大數據使用策略。該中心還致力于開發先進的計算能力，其工作方式與人腦相同。

在許多領域，人類大腦的出色能力和工作方法將繼續優于計算機，但在某些領域，計算機可以做得更好。

“近年來取得了巨大的發展，現在我們在圖像識別和分析方面已經超越了人類水平。畢竟，計算機永遠不會厭倦看到幾乎相同的圖像，甚至可能會注意到最微小的圖像。我們人類無法看到的細微差別。此外，隨著分析大量圖像和視頻變得越來越容易，社會中的許多過程都可以得到改進和優化，“Thorsnes解釋說。

認識到哪些對象很重要Thorsnes和他的同事們在大數據分析中心預測，圖像識別和分析在衛生保健，環境監測，海底調查和衛星圖像等領域將變得越來越重要。

在圖像分析和識別中使用大數據需要結合良好的硬件，算法(公式)和軟件，以及設法識別最佳方法的人。

“這種技術的需求只會在未來幾年內增加，但不是'即插即用'。我們的研究人員已經開發了關于處理大量數據的專業知識，因此可以識別出必要的知識，”Thorsnes說。 。

Uni Research Computing部門的研究人員開發了計算機系統，學習識別物體并識別哪些物體在圖像中很重要。

Alla Sapronova是人工智能，圖像識別和機器學習方面的專家：

“我按照我們教孩子的方式訓練計算機。我顯示輸入信號的計算機模式并告訴它我對輸出信號的期望。我重復這個過程，直到系統開始識別模式。然后我顯示計算機輸入信號，如圖像，它以前沒有見過，并測試系統是否理解它是什么，“Sapronova解釋說。

例如，在相對簡單的層面上，這種機器學習已經導致用于移動電話相機的微笑識別技術。

接受音樂治療的自閉癥兒童更高級的應用領域包括醫學，分析外部身體疾病跡象，或與治療師協商檢測正面/負面情況。

“我們與GAMUT一起開展了一個試點項目，分析了接受音樂治療的自閉癥兒童的視頻片段。通常情況下，治療師必須花費數小時審查鏡頭，以確定最能揭示患者狀態或進展的確切時刻。然而，如果我們教一臺計算機構成一個有趣的時刻，它將能夠找到并選擇它們，雖然迄今為止計算機無法對它們進行排名。后續項目有進一步發展的巨大潛力，“Thorsnes說。

在另一個項目中，研究人員在卑爾根最繁忙的道路交叉口Danmarksplass使用了一個公開的網絡攝像頭作為起點，教導計算機記錄在一天中通過交叉路口的車輛數量和類型。

這允許識別流量模式，然后可以將其用于規劃和決策。此外，Danmarksplass的空氣質量有時在冬季非常差，Thorsnes設想更好地繪制交通圖也可以為環境改善提供基礎。

但是，他認為，目前圖像分析在提高交通安全方面具有最大潛力，這基本上是監控選定的道路或隧道的一個問題。計算機可以檢測到一系列不同的情況，包括錯誤行駛的汽車，火災，廢棄的汽車，隧道內的人等。

“還有可能讓計算機監測易受主要道路滑坡影響的斜坡，并教導計算機識別景觀中的哪些變化可能意味著增加山體滑坡的風險，”Thorsnes說。

監測養魚場逃逸的發生率Uni Research Computing和由研究主任Klaus Johannsen領導的大數據分析中心也開展了一項項目，該項目繪制了河口鮭魚和鱒魚運動的繪圖。這項工作是與公司的另一個部門Uni Research Environment合作完成的。

“在河口安裝了一臺攝像機，并對計算機進行了培訓，記錄了通過的魚類，以及它是野生魚還是養殖魚。這樣，我們就可以監測魚類逃逸的發生率除其他外，農場“，托爾斯內斯說。

檢測技術近年來取得如此良好進展的部分原因是Thorsnes稱之為人工智能算法的重新發現。

隨著大量計算能力和來自游戲行業的復雜圖形處理器可用于分析，業界的需求和一些良好的舊人工智能理念相互發現。

“傳統上，這類分析是由那些必須坐下來觀看視頻片段的人進行的，例如醫學分析或隧道交通，”Thorsnes說。

具有復興性的算法來自現在所謂的“深度學習”，因為我們現在擁有足夠的計算能力，這要歸功于先進的處理器和對有趣材料的訪問，以便能夠教授更先進和更深入的算法。