Глубокое обучение сделает видеонаблюдение более интеллектуальным

В последние годы достаточно быстро развивается новое направление в технологиях искусственного интеллекта — глубокое обучение. В некоторых сферах оно уже получило развитие. Многие эксперты считают, что глубокое обучение должно укорениться и в видеонаблюдении.

В обычной самообучающейся системе используется абстрактная модель тех объектов, которые являются предметом рассмотрения. В системах глубинного обучения задействовано несколько уровней абстракции, откуда и происходит сам термин «глубокое» или «глубинное обучение». Иными словами, при глубоком обучении компьютерная программа не только учится, как классифицировать объекты, но и сама находит признаки для такой классификации и алгоритмы, по которым у неё должно проходить это обучение.

Глубокое обучение возникло ещё в 80-е годы как разновидность нейронных сетей, которые представляют собой искусственные системы, в той или иной степени успешно моделирующие работу человеческого мозга. Главным тормозом для развития глубокого обучения долгое время была ограниченность вычислительных мощностей, имевшихся в распоряжении исследователей. После того, как это препятствие было устранено по мере развития процессорной техники, работа в данном направлении пошла быстрее.

Прорыв в развитии глубокого обучения случился в начале 2000-х. Сейчас его приложения уже реализованы в распознавании почерков, переводах, компьютерах, играющих в шахматы и го, классификации объектов, распознавании лиц, анализе медицинских данных, автономном управлении автомобилем и во многих других сферах. Одно из показательных достижений глубокого обучения — победа компьютерной программы AlphaGo от Google над профессиональным игроком в го.

В видеонаблюдении глубокое обучение используют для того, чтобы повысить точность распознавания лиц. В видеоаналитике оно будет способствовать прогрессу в таком сложном деле, как обнаружение объектов в кадре.

Ключевое преимущество систем глубокого обучения состоит в том, что они могут постоянно обучаться и совершенствоваться, получая новые наборы данных. Ещё одно существенное достоинство систем глубокого обучения — способность обнаруживать события, которые не предусмотрены исходными условиями или являются неожиданными.

Видя перспективы глубокого обучения, некоторые эксперты с тревогой ждут, что опять, как это бывало с другими технологиями, слишком многие будут видеть в нём очередную панацею от всех бед, с завышенной оценкой его возможностей и последующим разочарованием.