ПОДХОД МАШИННОГО ОБУЧЕНИЯ
Как анализировать кадры с дрона с помощью ИИ
Обнаружение строительных объектов на дронах и спутниковых снимках
Анализ контента, сделанного с помощью дронов, спутников или самолетов, становится все более распространенным явлением. Качество камер на общедоступных дронах и спутниках настолько хорошее, что многие отрасли начинают их использовать. Почти невозможно проанализировать контент человеческим глазом, поскольку необходимо обработать много данных, с которыми могут справиться только системы ИИ, включающие интеллектуальные алгоритмы и модели машинного обучения.
Сегодня я покажу вам, как разработать простую модель обнаружения объектов, способную обрабатывать изображения с дронов, ортофотографии, спутниковые и аэрофотоснимки. Вы сможете сделать это без какого-либо программирования, используя мощный Ximilar Платформа. Но сначала я приведу несколько примеров того, как и где используются снимки со спутников и дронов.
Несколько вариантов использования аэроанализа и ИИ
Оборонная и разведывательная промышленность
В последние несколько месяцев обороне уделяется больше внимания из-за войны на Украине. Дроны меняют наше представление о войнах будущего. Практически у каждой команды должен быть дрон для анализа окружающей обстановки или наведения на врага дальнобойных ракет. Интересно смотреть невероятную историю Украинского отряда дронов, который был сформирован волонтерами и ИТ-специалистами после 2014 года. DJI Mavic и самодельные дроны действительно могут изменить исход глобальных конфликтов. Спутниковая компания Maxar, базирующаяся в США, отслеживает ситуацию с помощью изображений высокого разрешения автоколонн или разрушенных городов, предоставляя критически важную информацию правительству Украины.
Сельскохозяйственные и спутниковые данные
В июне 2015 года Европейское космическое агентство выпустило спутники Sentinel-2 для наблюдения за Землей. Спутники Сентинел-2 содержат мультиспектральные 13 диапазонов с ближним инфракрасным и видимым спектром. Пространственное разрешение и время повторного посещения хороши для сельскохозяйственных целей. Например, вы можете следить за ростом урожая в различных регионах мира или предсказывать засуху, вызванную изменением климата. Благодаря этим знаниям вы сможете более разумно поливать и удобрять урожай. ИИ способен сэкономить много ценных ресурсов и сделать сельское хозяйство более экологичным и зеленым.
Компьютерное зрение для мониторинга трафика, улиц и мира
Часовые стояния в пробках мегаполисов — еще одна проблема, с которой столкнулась цивилизация. Это не только неэкологичный путь, но и уничтожающий многие часы человеческого потенциала. Дроны и спутниковые камеры могут анализировать трафик, видеть потенциальную опасность или определять ограничение скорости на автомагистралях. Зная системы искусственного интеллекта, мы сможем перестраивать дороги, чтобы они служили нам более эффективно и имели больше свободного времени для наших семей. Некоторые компании даже могут прогнозировать тенденции в экономике с помощью ИИ-анализа основных морских портов, аэропортов и посевных площадей с помощью спутниковых снимков.
Разрушение энергетики и товаров с помощью ИИ
Преобразование энергии является большой темой в 21 веке. Как сказал Вацлав Смиль, переход от ископаемого топлива займет много времени и будет очень тяжелым. Представьте, на что способно машинное обучение? Управление ядерным синтезом в токамаке? Идея не далека от воплощения. Не так давно Google разработал проект по оценке выработки энергии солнечными панелями/ячейками на крышах в Калифорнии. Проект называется Люк и находится в открытом доступе. Подобные проекты потенциально могут разрабатываться как индивидуальное решение через платформу Ximilar.
Первые шаги по разработке модели обнаружения объектов
Для разработки модели обнаружения объектов нам необходимо иметь обучающие данные изображений или видео с соответствующими аннотациями. Существует несколько общедоступных наборов данных, например, для обнаружения автомобилей. Вы также можете попробовать набор данных COWC (используется в Инновационном вызове НАТО) или набор данных о стихийных бедствиях от Maxar. В нашем проекте я буду использовать набор данных VisDrone, который содержит несколько типов объектов от пешеходов до велосипедов.
Первый шаг — зарегистрироваться на платформе app.ximilar.com. С помощью этой платформы мы можем создавать собственные модели распознавания и обнаружения изображений и развертывать их в качестве конечной точки API без написания кода.
Давайте загрузим изображения, просто перетащив их из папки на страницу «Изображения» в платформе. Затем нам нужно создать задачу обнаружения объектов.
Затем нам нужно пройтись по загруженным изображениям и создать для них объекты автомобилей. Если у вас уже есть аннотации в каком-то файле, вы можете загрузить их через конечную точку REST API.
Теперь нажмите кнопку поезда на странице задания и подождите. Оптимизация модели может занять до нескольких часов, в зависимости от сложности проблемы и размера набора данных. После завершения обучения модель развертывается за конечной точкой REST API. При желании мы можем экспортировать модель для автономного использования, если это необходимо. Вы можете протестировать модель в платформе на своих изображениях.
Вот и все! Вы успешно обучили свою первую модель обнаружения объектов. Теперь вы можете расширить его, добавив больше меток, что сделает его более точным с дополнительными обучающими данными. Платформа Ximilar App позволяет проводить A/B-тестирование обученных версий моделей и многое другое. Вы можете попробовать работать с разными наборами данных. Возможности безграничны. Например, мы можем масштабировать аэрофотоснимки с помощью модели со сверхвысоким разрешением. Смотрите следующее изображение, технология, похожая на CSI Miami, уже здесь!
Если вы хотите обсудить свой проект, не стесняйтесь связаться с нами. Мы можем помочь вам создать индивидуальную систему машинного обучения для визуальных данных. Мы являемся экспертами в области машинного обучения и специализируемся на распознавании пользовательских изображений и визуальном поиске. Подробнее о наших кейсах и платформе читайте на сайте блог компании.
