Technologien und Modelle fĂŒr unser zukĂŒnftiges System der Computer Vision wurden schrittweise und in verschiedenen Projekten unseres Unternehmens â in der Post, in der Cloud, in der Suche â entwickelt und verbessert. Sie reiften wie guter KĂ€se oder Cognac. Eines Tages erkannten wir, dass unsere neuronalen Netzwerke ausgezeichnete Ergebnisse bei der Erkennung zeigen, und beschlossen, sie in einem einheitlichen B2B-Produkt â Vision â zusammenzufĂŒhren, das wir nun selbst nutzen und Ihnen anbieten.
Heute arbeitet unsere Computer-Vision-Technologie auf der Plattform Mail.Ru Cloud Solutions erfolgreich und löst sehr komplexe praktische Aufgaben. Die Grundlage bildet eine Reihe von neuronalen Netzwerken, die auf unseren DatensĂ€tzen trainiert wurden und sich auf die Lösung praktischer Probleme spezialisiert haben. Alle Dienste laufen auf unseren Serverressourcen. Sie können die öffentliche API Vision in Ihre Anwendungen integrieren, ĂŒber die alle Möglichkeiten des Dienstes verfĂŒgbar sind. Die API ist leistungsstark â dank der Server-GPUs liegt die durchschnittliche Reaktionszeit innerhalb unseres Netzwerks bei etwa 100 ms.
Kommen Sie zur Sache, dort finden Sie einen ausfĂŒhrlichen Bericht und viele Beispiele fĂŒr die Arbeit von Vision.
Als Beispiel fĂŒr einen Dienst, in dem wir selbst die genannten Technologien zur Gesichtserkennung verwenden, kann man nennen . Ein Bestandteil davon sind die FotostĂ€nde Vision, die wir auf verschiedenen Konferenzen aufstellen. Wenn Sie sich einem solchen Fotostand nĂ€hern, sich mit der eingebauten Kamera fotografieren lassen und Ihre E-Mail-Adresse eingeben, findet das System sofort unter den vielen Fotos diejenigen, auf denen Sie von den offiziellen Fotografen der Konferenz festgehalten wurden, und sendet Ihnen auf Wunsch die gefundenen Fotos an Ihre E-Mail. Dabei handelt es sich nicht um inszenierte PortrĂ€taufnahmen â Vision erkennt Sie sogar im letzten Winkel inmitten einer Menge von Besuchern. NatĂŒrlich sind es nicht die FotostĂ€nde, die erkennen, sondern nur Tablets in schönen Halterungen, die die GĂ€ste mit ihren eingebauten Kameras fotografieren und die Informationen an die Server ĂŒbermitteln, wo die ganze Magie der Erkennung stattfindet. Und wir haben oft beobachtet, welches Staunen die EffektivitĂ€t der Technologie selbst bei Spezialisten fĂŒr Bildverarbeitung hervorruft. Im Folgenden erzĂ€hlen wir von einigen Beispielen.
1. Unser Modell zur Gesichtserkennung
1.1. Neuronales Netzwerk und Verarbeitungszeit
FĂŒr die Erkennung verwenden wir eine Modifikation des neuronalen Netzmodells ResNet 101. Das Average Pooling am Ende wurde durch eine vollverbundene Schicht ersetzt, Ă€hnlich wie bei ArcFace. Allerdings betrĂ€gt die GröĂe der VektorreprĂ€sentationen 128 und nicht 512. Unser Trainingsdatensatz umfasst etwa 10 Millionen Fotos von 273 593 Personen.
Das Modell arbeitet sehr schnell dank der sorgfĂ€ltig ausgewĂ€hlten Architektur der Serverkonfiguration und der Berechnungen auf GPU. Die Antwortzeit von der API in unseren internen Netzwerken betrĂ€gt etwa 100 ms â dies umfasst die Gesichtserkennung (Gesichtserkennung auf Fotos), die Identifizierung und die RĂŒckgabe der Person-ID in der API-Antwort. Bei groĂen Datenmengen â Fotos und Videos â wird erheblich mehr Zeit fĂŒr die DatenĂŒbertragung an den Dienst und fĂŒr das Eintreffen der Antwort benötigt.
1.2. Bewertung der Modellergebnisse
Die Bestimmung der Effizienz von neuronalen Netzen ist jedoch eine sehr vielschichtige Aufgabe. Die QualitÀt ihrer Arbeit hÀngt davon ab, auf welchen DatensÀtzen die Modelle trainiert wurden und ob sie auf spezifische Daten optimiert wurden.
Wir begannen die Bewertung der Genauigkeit unseres Modells mit dem populĂ€ren Verifikationstest LFW, aber dieser ist zu klein und einfach. Nach dem Erreichen einer Genauigkeit von 99,8 % hat er keinen Wert mehr. Es gibt einen guten Wettbewerb zur Bewertung von Erkennungsmodellen â Megaface, bei dem wir allmĂ€hlich 82 % bei Rang 1 erreicht haben. Der Megaface-Test besteht aus einer Million Fotos â Ablenkungen â und das Modell muss in der Lage sein, mehrere Tausend Fotos von Prominenten aus dem Datensatz Facescrub von diesen Ablenkungen gut zu unterscheiden. Nach der Bereinigung des Megaface-Tests von Fehlern haben wir festgestellt, dass wir im bereinigten Test eine Genauigkeit von 98 % bei Rang 1 erreichen (die Fotos von Prominenten sind insgesamt recht spezifisch). Daher haben wir einen separaten Identifikationstest entwickelt, der dem Megaface Ă€hnelt, aber mit Fotos âgewöhnlicherâ Menschen. AnschlieĂend haben wir die Genauigkeit der Erkennung in unseren DatensĂ€tzen weiter verbessert und sind weit vorausgekommen. DarĂŒber hinaus verwenden wir einen Test zur QualitĂ€tsbewertung der Clusterbildung, der aus mehreren Tausend Fotos besteht; er simuliert die Markierung von Gesichtern in der Benutzer-Cloud. In diesem Fall sind Cluster Gruppen Ă€hnlicher Gesichter, jeweils eine Gruppe fĂŒr jede erkennbare Person. Die QualitĂ€t der Arbeit haben wir an echten Gruppen (echte) ĂŒberprĂŒft.
NatĂŒrlich gibt es bei jedem Modell Erkennungsfehler. Solche Situationen lassen sich jedoch oft durch feine Anpassungen der Schwellenwerte an spezifische Bedingungen beheben (fĂŒr alle Konferenzen verwenden wir dieselben Schwellenwerte, wĂ€hrend fĂŒr z.B. Zutrittskontrollsysteme die Schwellenwerte stark erhöht werden mĂŒssen, um die Anzahl der falsch-positiven Alarmierungen zu verringern). Die ĂŒberwiegende Mehrheit der Konferenzbesucher wurde von unseren Vision-FotostĂ€nden korrekt erkannt. Manchmal schaute jemand auf das Zuschnitt-Thumbnail und sagte: âIhr System hat sich geirrt, das bin nicht ichâ. Dann haben wir das vollstĂ€ndige Foto geöffnet, und es stellte sich heraus, dass dieser Besucher tatsĂ€chlich auf dem Bild zu sehen ist, nur dass nicht er, sondern jemand anders fotografiert wurde, einfach weil die Person zufĂ€llig im unscharfen Hintergrund war. DarĂŒber hinaus erkennt das neuronale Netzwerk oft korrekt, selbst wenn ein Teil des Gesichts nicht sichtbar ist oder die Person im Profil steht, oder sogar ganz im Halbprofil. Das System kann eine Person erkennen, selbst wenn das Gesicht in den Bereich optischer Verzerrungen fiel, sagen wir, bei der Aufnahme mit einem Weitwinkelobjektiv.
1.3. Beispiele fĂŒr Tests in schwierigen Situationen
Im Folgenden sind Beispiele fĂŒr die Funktionsweise unseres neuronalen Netzwerks aufgefĂŒhrt. Wir geben Fotos ein, die es mit Hilfe von PersonID - einer eindeutigen Kennung fĂŒr Gesichter - kennzeichnen soll. Wenn zwei oder mehr Bilder die gleiche Kennung haben, bedeutet das, dass die Modelle der Meinung sind, auf diesen Fotos sei dieselbe Person abgebildet.
Lassen Sie uns zunÀchst die einfachste Aufgabe angehen, das Gesichts-Scannen von vorne.
Nun, das war zu einfach. Lassen Sie uns die Aufgabe erschweren, indem wir einen Bart und eine Handvoll Jahre hinzufĂŒgen.
Manche werden sagen, dass es auch nicht zu schwierig war, da in beiden FĂ€llen das Gesicht vollstĂ€ndig sichtbar ist und der Algorithmus viele Informationen ĂŒber das Gesicht hat. Gut, wir drehen Tom Hardy ins Profil. Diese Aufgabe ist viel schwieriger, und wir haben viel Energie darauf verwendet, sie erfolgreich mit einer niedrigen Fehlerquote zu lösen: wir haben das Trainingsset ausgewĂ€hlt, die Architektur des neuronalen Netzwerks durchdacht, Verlustfunktionen verfeinert und die Vorverarbeitung der Fotos verbessert.
Manche werden sagen, dass es auch nicht allzu schwer war, da in beiden FĂ€llen das Gesicht vollstĂ€ndig zu sehen ist und der Algorithmus viele Informationen ĂŒber das Gesicht hat. Gut, wenden wir uns nun Tom Hardy im Profil zu. Diese Aufgabe ist wesentlich komplizierter, und fĂŒr eine erfolgreiche Lösung mit einem niedrigen Fehlerniveau haben wir nicht wenig MĂŒhe investiert: Wir haben den Trainingsdatensatz ausgewĂ€hlt, die Architektur des neuronalen Netzwerks durchdacht, Verlustfunktionen verfeinert und die Vorverarbeitung der Fotos perfektioniert.
Setzen wir ihm einen Hut auf:
Ăbrigens ist dies ein Beispiel fĂŒr eine besonders komplizierte Situation, da das Gesicht hier stark verdeckt ist und auf dem unteren Bild auch ein tiefer Schatten die Augen verdeckt. Im wirklichen Leben Ă€ndern Menschen sehr oft ihr Aussehen mit Hilfe von Sonnenbrillen. Lassen Sie uns dasselbe auch mit Tom tun.
Gut, lassen Sie uns Fotos aus verschiedenen Altersstufen sammeln, und dieses Mal werden wir das Experiment an einem anderen Schauspieler durchfĂŒhren. Nehmen wir ein viel komplizierteres Beispiel, bei dem altersbedingte VerĂ€nderungen besonders deutlich sichtbar sind. Diese Situation ist nicht hypothetisch, sie kommt hĂ€ufig vor, wenn man ein Passfoto mit dem Gesicht des Ausweisinhabers vergleichen muss. SchlieĂlich wird das erste Foto im Pass gemacht, wenn der Inhaber 20 Jahre alt ist, und mit 45 kann sich eine Person sehr stark verĂ€ndert haben:
Glauben Sie, dass der Hauptspezialist fĂŒr unmögliche Missionen sich mit dem Alter nicht viel verĂ€ndert hat? Ich denke, dass selbst nur wenige Menschen die oberen und unteren Fotos zusammenbringen wĂŒrden, so sehr hat sich der Junge in diesen Jahren verĂ€ndert.
Neuro-Netzwerke sehen sich viel hÀufiger mit VerÀnderungen im Aussehen konfrontiert. Zum Beispiel können Frauen manchmal ihr Erscheinungsbild stark verÀndern, indem sie Make-up verwenden:
Jetzt machen wir die Aufgabe noch schwieriger: Lassen Sie uns verschiedene Teile des Gesichts auf verschiedenen Fotos verdecken. In solchen FÀllen kann der Algorithmus die Muster nicht vollstÀndig vergleichen. Allerdings kommt Vision mit solchen Situationen gut zurecht.
Ăbrigens gibt es auf Fotos von Gesichtern oft sehr viele, zum Beispiel können auf einem Gruppenfoto im Raum mehr als 100 Personen Platz finden. Dies ist eine schwierige Situation fĂŒr neuronale Netzwerke, da viele Gesichter unterschiedlich beleuchtet sein können und einige sich auĂerhalb des SchĂ€rfebereichs befinden. Wenn das Foto jedoch mit ausreichender Auflösung und QualitĂ€t (mindestens 75 Pixel pro Quadrat, das das Gesicht abdeckt) aufgenommen wurde, kann Vision es identifizieren und erkennen.
Eine Besonderheit von Reportagefotos und Bildern von Ăberwachungskameras ist, dass die Menschen oft unscharf sind, weil sie sich auĂerhalb des SchĂ€rfebereichs befanden oder sich in diesem Moment bewegten:
Auch die LichtintensitĂ€t kann von Bild zu Bild stark variieren. Dies wird ebenfalls oft zu einem Stolperstein, da viele Algorithmen groĂe Schwierigkeiten haben, zu dunkle und zu helle Bilder korrekt zu verarbeiten, ganz zu schweigen von einer genauen Zuordnung. Ich erinnere daran, dass es notwendig ist, die Schwellenwerte auf eine bestimmte Weise einzustellen, um ein solches Ergebnis zu erzielen; diese Möglichkeit ist noch nicht öffentlich zugĂ€nglich. FĂŒr alle Kunden verwenden wir dasselbe neuronale Netzwerk, dessen Schwellenwerte den meisten praktischen Aufgaben angepasst sind.
Neulich haben wir ein neues Modell veröffentlicht, das asiatische Gesichter mit hoher Genauigkeit erkennt. Zuvor war dies ein groĂes Problem, das sogar als âRassismus des maschinellen Lernensâ (oder âneuronaler Netzwerkeâ) bezeichnet wurde. EuropĂ€ische und amerikanische neuronale Netzwerke erkannten gut europide Gesichter, wĂ€hrend es bei mongoloiden und negroiden Gesichtern viel schlechter aussah. Wahrscheinlich war die Situation im selben China genau umgekehrt. Das liegt an den Trainingsdaten, die die dominierenden Gesichtstypen in den jeweiligen LĂ€ndern widerspiegeln. Allerdings Ă€ndert sich die Situation, heute ist dieses Problem lĂ€ngst nicht mehr so akut. Vision hat keine Schwierigkeiten mit Vertretern verschiedener Rassen.
Gesichtserkennung ist nur eine von vielen Anwendungen unserer Technologie; Vision kann auf alles trainiert werden, was man möchte. Zum Beispiel auf Kfz-Kennzeichen, selbst in schwierigen Bedingungen fĂŒr die Algorithmen: aus schrĂ€gen Winkeln, dreckige und schwer lesbare Nummernschilder.
2. Praktische Anwendungsbeispiele
2.1. Kontrolle des physischen Zugangs: wenn zwei Personen mit einem Ausweis eintreten
Mit Vision kann man Systeme zur Zeiterfassung von Mitarbeitenden implementieren. Das herkömmliche System auf Basis elektronischer Ausweise hat offensichtliche Nachteile, zum Beispiel kann man zu zweit mit einem einzigen Badge eintreten. Wenn man jedoch das Zugangssystem (ZUT) mit Vision ergÀnzt, wird es genau festhalten, wer und wann gekommen oder gegangen ist.
2.2. Arbeitszeiterfassung
Dieses Nutzungsszenario von Vision steht in engem Zusammenhang mit dem vorherigen. Wenn wir das Zugangssystem mit unserem Gesichts-Erkennungsdienst erweitern, kann es nicht nur VerstöĂe gegen die Zutrittsregelungen erkennen, sondern auch das tatsĂ€chliche Verweilen von Mitarbeitern im GebĂ€ude oder auf dem GelĂ€nde protokollieren. Mit anderen Worten: Vision hilft dabei, ehrlich zu erfassen, wer wann zur Arbeit gekommen ist und wann er gegangen ist, sowie zu erkennen, wer ĂŒberhaupt gefehlt hat, selbst wenn Kollegen ihn vor dem Vorgesetzten gedeckt haben.
2.3. Videoanalytik: Personenverfolgung und Sicherheit
Durch die Verfolgung von Personen mit Hilfe von Vision lĂ€sst sich die tatsĂ€chliche DurchlĂ€ssigkeit von VerkaufsflĂ€chen, Bahnhöfen, ĂbergĂ€ngen, StraĂen und vielen anderen öffentlichen Orten genau bewerten. Unsere Verfolgung kann auch eine groĂe Hilfe bei der Zutrittskontrolle sein, beispielsweise fĂŒr Lager oder andere wichtige BĂŒrorĂ€ume. Und natĂŒrlich hilft die Verfolgung von Personen und Gesichtern, Sicherheitsprobleme zu lösen. Haben Sie jemand beim Stehlen in Ihrem GeschĂ€ft erwischt? FĂŒgen Sie seine Person-ID, die Vision zurĂŒckgegeben hat, auf die schwarze Liste Ihrer Videoanalytik-Software und das System wird beim nĂ€chsten Mal sofort das Sicherheitspersonal benachrichtigen, wenn dieser Typ wieder bei Ihnen erscheint.
2.4. Im Einzelhandel
Der Einzelhandel und verschiedene Dienstleistungsunternehmen sind an der Erkennung von Warteschlangen interessiert. Mit Hilfe von Vision kann erkannt werden, dass es sich nicht um eine zufĂ€llige Menschenansammlung handelt, sondern um eine Warteschlange, und ihre LĂ€nge kann bestimmt werden. AnschlieĂend informiert das System die Verantwortlichen ĂŒber das Entstehen einer Warteschlange, damit sie die Situation klĂ€ren können: Entweder handelt es sich um einen Ansturm von Besuchern, und es mĂŒssen zusĂ€tzliche Mitarbeiter gerufen werden, oder jemand vernachlĂ€ssigt seine Arbeitsaufgaben.
Eine weitere interessante Aufgabe ist die Unterscheidung zwischen Unternehmensmitarbeitern im Saal und Besuchern. In der Regel wird das System darauf trainiert, Objekte in bestimmter Kleidung (Dresscode) oder mit einem bestimmten Erkennungsmerkmal (Firmen-Schal, Namensschild auf der Brust usw.) zu unterscheiden. Dies hilft, die Besucherzahlen genauer zu bewerten (damit die Mitarbeiter mit ihrer bloĂen Anwesenheit die Statistiken ĂŒber die Anzahl der Personen im Saal nicht âmanipulierenâ).
Mit der Gesichtserkennung können Sie auch Ihr Publikum bewerten: Wie loyal sind Ihre Besucher, das heiĂt, wie viele Menschen kehren in Ihr Unternehmen zurĂŒck und wie oft. ZĂ€hlen Sie, wie viele einzigartige Besucher Sie innerhalb eines Monats haben. Um die Kosten fĂŒr Akquise und Bindung zu optimieren, können Sie auch die Besucherzahlen je nach Wochentag und sogar Tageszeit ermitteln.
Franchisegeber und Netzwerkunternehmen können eine Beurteilung anhand von Fotos der QualitÀt der MarkenprÀsentation verschiedener Einzelhandelsstandorte anfordern: das Vorhandensein von Logos, Schildern, Plakaten, Bannern und so weiter.
2.5. Verkehr
Ein weiteres Beispiel fĂŒr die SicherheitsgewĂ€hrleistung durch Videoanalytik ist die Erkennung von zurĂŒckgelassenen GegenstĂ€nden in den Hallen von FlughĂ€fen oder Bahnhöfen. Vision kann trainiert werden, um Objekte aus Hunderten von Klassen zu erkennen: MöbelstĂŒcke, Taschen, Koffer, Regenschirme, verschiedene Arten von Kleidung, Flaschen und so weiter. Wenn Ihr Videoanalysesystem ein herrenloses Objekt entdeckt und es mit Vision erkennt, sendet es ein Signal an die SicherheitskrĂ€fte. Ein Ă€hnliches Anliegen betrifft die automatische Identifikation von auĂergewöhnlichen Situationen in öffentlichen Orten: Jemand fĂŒhlt sich unwohl, oder jemand raucht an einem unerlaubten Ort, oder eine Person fĂ€llt auf die Gleise, und so weiter â all diese Muster kann das Videoanalysesystem ĂŒber die API Vision erkennen.
2.6. Dokumentenmanagement
Eine weitere interessante zukĂŒnftige Anwendung von Vision, die wir gerade entwickeln, ist die Erkennung von Dokumenten und deren automatisches Parsen in Datenbanken. Anstatt endlose Serien, Nummern, Ausgabedaten, Rechnungsnummern, Bankverbindungen, Geburtsdaten und -orte sowie viele andere formalisierten Daten manuell einzugeben (oder noch schlimmer, zu handschriftlich einzugeben), wird es möglich sein, Dokumente zu scannen und sie ĂŒber einen sicheren Kanal per API in die Cloud zu senden, wo das System diese Dokumente in Echtzeit erkennt, parst und die Daten in dem benötigten Format fĂŒr die automatische Eingabe in die Datenbank zurĂŒckgibt. Heute kann Vision bereits Dokumente (einschlieĂlich in PDF) klassifizieren â es unterscheidet PĂ€sse, Rentenversicherungsnummern, Steuernummern, Geburtsurkunden, Heiratsurkunden und andere.
NatĂŒrlich kann das neuronale Netzwerk all diese Situationen nicht von Haus aus verarbeiten. In jedem Fall wird ein neues Modell fĂŒr den spezifischen Kunden erstellt, wobei viele Faktoren, Feinheiten und Anforderungen berĂŒcksichtigt werden, DatensĂ€tze ausgewĂ€hlt und Iterationen von Training, Test und Anpassung durchgefĂŒhrt werden.
3. Funktionsschema der API
Die âEingangstoreâ von Vision fĂŒr Benutzer ist die REST API. Sie kann Fotos, Videodateien und Ăbertragungen von Netzwerkkameras (RTSP-Streams) empfangen.
Um Vision zu nutzen, muss man im Mail.ru Cloud Solutions-Dienst registrieren und Zugangstoken (client_id + client_secret) erhalten. Die Benutzerauthentifizierung erfolgt ĂŒber das OAuth-Protokoll. Die Ausgangsdaten werden im Körper der POST-Anfragen an die API gesendet. Als Antwort erhĂ€lt der Client das Erkennungsergebnis im JSON-Format von der API, wobei die Antwort strukturiert ist: Sie enthĂ€lt Informationen ĂŒber die gefundenen Objekte und deren Koordinaten.
Beispielantwort
{
"status":200,
"body":{
"objects":[
{
"status":0,
"name":"file_0"
},
{
"status":0,
"name":"file_2",
"persons":[
{
"tag":"person9",
"coord":[149,60,234,181],
"confidence":0.9999,
"awesomeness":0.45
},
{
"tag":"person10",
"coord":[159,70,224,171],
"confidence":0.9998,
"awesomeness":0.32
}
]
},
{
"status":0,
"name":"file_3",
"persons":[
{
"tag":"person11",
"coord":[157,60,232,111],
"aliases":["person12", "person13"],
"confidence":0.9998,
"awesomeness":0.32
}
]
},
{
"status":0,
"name":"file_4",
"persons":[
{
"tag":"undefined",
"coord":[147,50,222,121],
"confidence":0.9997,
"awesomeness":0.26
}
]
}
],
"aliases_changed":false
},
"htmlencoded":false,
"last_modified":0
}In der Antwort gibt es einen interessanten Parameter namens awesomeness â das ist eine ŃŃĐ»ĐŸĐČĐœĐ°Ń âCoolnessâ des Gesichts auf dem Foto, mit dessen Hilfe wir das beste GesichtsportrĂ€t aus der Sequenz auswĂ€hlen. Wir haben das neuronale Netzwerk darauf trainiert, die Wahrscheinlichkeit vorherzusagen, dass das Bild in sozialen Netzwerken geliked wird. Je besser das Bild und je lĂ€chelnder das Gesicht, desto höher die Awesomeness.
In der Vision API wird der Begriff Space verwendet. Dies ist ein Werkzeug zur Erstellung verschiedener Personengruppen. Beispiele fĂŒr Spaces sind schwarze und weiĂe Listen, Besucherlisten, Mitarbeiter- und Kundenlisten usw. FĂŒr jedes Token in Vision können bis zu 10 Spaces erstellt werden, wobei jeder Space bis zu 50.000 PersonIDs enthalten kann, also bis zu 500.000 pro Token. Die Anzahl der Tokens pro Account ist dabei unbegrenzt.
Heute unterstĂŒtzt die API folgende Methoden zur Identifikation und Erkennung:
- Recognize/Set â Identifikation und Erkennung von Gesichtern. Weist automatisch jeder einzigartigen Person eine PersonID zu und gibt die PersonID sowie die Koordinaten der erkannten Gesichter zurĂŒck.
- Delete â Löschen einer bestimmten PersonID aus der Personendatenbank.
- Truncate â Löscht den gesamten Space von PersonIDs, nĂŒtzlich, wenn er als Test verwendet wurde und die Datenbank fĂŒr die Produktion zurĂŒckgesetzt werden muss.
- Detect â Identifikation von Objekten, Szenen, Autokennzeichen, SehenswĂŒrdigkeiten, Warteschlangen usw. Gibt die Klasse der gefundenen Objekte und deren Koordinaten zurĂŒck.
- Detect fĂŒr Dokumente â erkennt spezifische Dokumenttypen der RF (unterscheidet zwischen Reisepass, SNILS, INN usw.).
Wir schlieĂen auch bald die Arbeiten an Methoden fĂŒr OCR, Geschlechts-, Alters- und Emotionserkennung sowie an Lösungen fĂŒr das Merchandising ab, also zur automatischen Kontrolle der WarenprĂ€sentation in GeschĂ€ften. Die vollstĂ€ndige Dokumentation zur API finden Sie hier:
4. Fazit
Derzeit können Sie ĂŒber die öffentliche API Zugriff auf die Gesichtserkennung auf Fotos und Videos erhalten; es wird die Erkennung verschiedener Objekte, Autokennzeichen, SehenswĂŒrdigkeiten, Dokumente und ganzer Szenen unterstĂŒtzt. Es gibt zahlreiche Anwendungsszenarien. Kommen Sie, testen Sie unseren Service und stellen Sie ihm die kniffligsten Herausforderungen. Die ersten 5000 Transaktionen sind kostenlos. Vielleicht ist es das "fehlende Element" fĂŒr Ihre Projekte.
Zugriff auf die API kann sofort nach der Registrierung und dem Anschluss erhalten werden. . Allen Habr-Nutzern â ein Promo-Code fĂŒr zusĂ€tzliche Transaktionen. Schreiben Sie mir eine private Nachricht mit der E-Mail-Adresse, mit der Sie Ihr Konto registriert haben!
Quelle: habr.com
