Ноябрь 30th, 2022 
raven000 Чтобы зафиксировать явление, довольно пользоваться соответствующим обстоятельствам съёмки инвентарем. Заключительным может выступить как стандартный телефон либо фотоаппарат, так и любой иной гаджет со встроенным модулем камеры. Но ввиду технологических ограничений, и ряда иных причин далеко не всегда чунаётся снять происходящее действо от начала и до конца. Для примеров, когда за кадром остаются наиболее интересные факторы, на помощь готово придти компьютерное решение от учёных Массачусетского технического факультета.
Стараниями экспертов корпорации CSAIL был спроектирован самообучающийся метод, способный не только использовать «компьютерное зрение» для идентификации субъектов и окружающей их ситуации на показанном изображении, но создать на его базе длинный видеоряд. Проанализировав некоторые образующие иллюстрации и возможные виды их взаимодействия, ПО предречет, что могло бы случиться с объектами либо людьми на следующем кадре.
В базу «обучающего курса» системы, базирующейся на нейронных сетях и применяющей для вычислений «компьютерное зрение», вошло подробное изучение 2 млрд разных видеофайлов. На этом раунде система нуждается в мировой доводке, в связи с тем что процесс конвертации картинки в видео далёк от достоинства и лимитирован по ряду показателей. Продолжительность формируемого платформой ролика урезана 1,5 с, но смотрится конечный итог пускай и имеющим право на существование, не чересчур реальным. Кроме того нейросеть довольно часто делает ошибки с масштабированием субъектов. Все-таки, оцениваемая система совладала с воспроизведением подобных трудных сцен, как омывающие побережье волны либо шагающие по траве люди.
В будущем метод массачусетских учёных способен высококачественно сделать лучше системы автопилотирования, а конкретнее —дееспособность в режиме настоящего времени расценивать не только лишь нынешнюю ситуацию на автодороге, но также и предвидеть вероятные манёвры иных автолюбителей.
Опубликовано в рубрике 
