オブジェクト認識に関しては、最初のクリックはGoogleまたはMicrosoftに向けられます。彼らが車を認識するために互いに戦うとどうなりますか？Belarusian SpotVision CarDetectionサービスをプレーヤーのリストに追加する調査を実施しました。誰が勝つ？
適用された問題を解決する必要があるという事実から始めましょう-写真で車を識別し、それらを選択して、車の座標を報告します。まず第一に、このアイデアは個人的な使用のために登場しました-ドライバーがそこに到着する前に、庭の無料の駐車スペースをすばやく効率的に見つけて見ることです。その後、このアイデアはビジネスの課題に発展しました。つまり、駐車場会社の顧客だけでなく、ビデオ監視サービスの顧客にも追加のサービスを提供することです。
目標は、CCTVカメラからの画像で車を認識し、情報を概略形式でモバイルアプリケーションまたはダッシュボードのマップに送信することです。
多くのGoogle製品を無条件に信頼しているため、まずGoogleAIをテストしました。そして、そのような大きくて影響力のあるモンスターにとって、車の認識は些細なことであるように思われました（それは簡単に与えられ、それは簡単になります）。しかし、がっかりしました。車のGoogleAI認識はあまり正確ではありません。したがって、高品質のコンピュータービジョンシステムというよりも、他のGoogle製品のPRのように見えます。
最初のテストでは、車両の最適な高さとスケールで明るい画像を撮影しました。目撃の起動に失敗しました。 40台以上の車のうち、GoogleAIと10台の車だけを一周しました。
テスト1.Google AI
優れたGoogleでさえ、そのような平凡なレベルで認識に失敗することを発見したので、比較のためにMicrosoft ComputerVisionサービスを利用しました。以下の結果が得られました。
テスト1.Microsoft Computer Vision
合計で6台（！）の車があります。そして、それはとても悲しそうです。
AIの領域が発展し始めたばかりであり、スポーツへの関心を軽減できないことに気づき、私たちは車からデータセットを収集し、独自のニューラルネットワークをトレーニングし始めました。 YOLOv3Darknetフレームワークをベースとしました。実験によると、実装の問題が最も少ないのは彼です。画像を迅速に処理し、画像が不足している場合は自動的に拡張を適用します。集中的なトレーニング期間の後、25,000を超える画像に基づいてトレーニングされたニューラルネットワークができました。現在、トレーニング用にさらに2500枚の写真を追加しています。
これは、ベラルーシのAIシステムSpotVision CarDetectionが同じタスクに対処した方法です。
テスト1.SpotVision車の検出
ご覧のとおり、駐車場だけでなく、大多数の車が特定されています。つまり、人間の目が車を簡単に見ることができる場所で、SpotVisionシステムは優れた仕事をします。
タスクを複雑にして、夜景を見てみましょう。アプリケーションの関連性の観点から、視界が悪く、すでに駐車されている車が多数あるため、ドライバーが夜間に無料の駐車スペースを見つけることはより困難です。したがって、夜間の識別が最も価値があります。
これは、Googleが結果として与えたものです。
テスト2.GoogleAI
およびMicrosoft
テスト2の同様のバージョン。MicrosoftComputerVision
つまり、完全にゼロであり、画像に車の兆候がないこと。
SpotVisionマシン認識システムの結果を比較してみましょう。
テスト2.SpotVision車の検出に進み
ます。ほとんどの場合、CCTVカメラは高層ビルの上層階に設置されます。これにより、1台のカメラで駐車場を最大限に視覚的にカバーできます。これにより、機器と設置のビデオ監視サービスのコストが削減されます。最も頻繁で要求されるケースは、住宅団地やビジネスセンターのヤードでの車の認識であるため、3つのシステムで分析することも行いました。
テスト3.GoogleAIテスト3.Microsoft
Computer Vision
テスト3.SpotVision車の検出
ここで、質問を空白にしておきましょう。画像に1台の車全体が表示され、隣接する車のエッジがキャプチャされた場合、システムはどのように対処しますか？
テスト4.GoogleAI
テスト4.Microsoft Computer Vision
テスト4.SpotVision車の検出
結果によると、Google AIは写真から4つのオブジェクトを検出し、そのうち3つは車全体ではなく車輪です。 Microsoft ComputerVisionは2台の車を特定しました。 Spotvisionは、全体で4台の車両と、別々に1つのホイールを認識しています。ベラルーシの自動車認識システムは、小さなエラーでタスクに対処しましたが、最も完全に対処しました。
認識システムが最も頻繁に依存する、車の明らかな兆候がない場合にシステムがどのように円を描くかは興味深いです-これは車の通常の輪郭と車輪の輪郭です。
テスト5.GoogleAIテスト5.Microsoft
ComputerVision
テスト5.SpotVision車の検出
驚いたことに、3つのサービスすべてが車を正確に識別し、Google AIだけがさらにホイールに反応するか、色付きの煙から渦を巻いて、長方形で円を描きました。
雨と霧は、認識のもう1つの自然な合併症です。それらは画像の鮮明さを低下させ、コンピュータの視覚からオブジェクトを隠すことができます。
テスト6.GoogleAIテスト6.Microsoft
コンピュータービジョン
テスト6.SpotVision車の検出
GoogleAIとSpotVision車の検出は、遠くを移動する2台の車を見失いましたが、最良の結果を示しました。 Microsoft Computer Visionは1台のマシンを見逃し、明らかな4台のうち3台だけを丸で囲みました。
したがって、最大数の車両を使用した2つの制御テストが示されています。テスト7は46台の車両を示しています。
テスト
7.GoogleAIテスト7.MicrosoftComputerVision
テスト7.SpotVision車の検出
写真の46台の車のうち、Google AIは11台、Microsoft Computer Visionは30台で、ポールの看板を誤って丸で囲み、SpotVisionは46台の車を見つけました。
車が多い例を続けましょう。視野角を変更します。
テスト8.GoogleAIテスト8.Microsoft
コンピュータービジョン
テスト8.SpotVision車の検出
季節の変化を考慮して、実際のヤードから写真を追加します。以下のバリエーションでは、冬と雪です。ご覧のとおり、解凍されたパッチや車が残っている場所は、誤って車として認識される可能性があります。また、雪の中の車はコンピュータービジョンシステムから見えなくなります。
テスト9.Google AI
テスト
9.Microsoft Computer Visionテスト9.SpotVision車の検出
同じビュー、夜間モードのみ。
テスト10.GoogleAIテスト10.Microsoft
ComputerVision
テスト10.SpotVision車の検出GoogleAI
とMicrosoftComputer Visionはより広範囲のタスクで動作しますが、車の検出で絶対的な失敗に見舞われていることがわかりました。ほとんどの場合は完全にまたは部分的に失敗し、一部はしみで認識されました。したがって、AIサービスとの統合を通じて機能を拡張したい企業にサービスを提供するのには適していません。同時に、ベラルーシのSpotVision車検知サービスは設定されたタスクに98％対応し、リアルタイムでの適用の準備ができています。
各サービスを自分でテストしたい場合は、こちらのリンクをご覧ください
Google AI
Microsoft Computer Vision
Spotvision Car Detection