ਸਾਡੇ ਭਵਿੱਖ ਦੇ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਸਿਸਟਮ ਲਈ ਤਕਨਾਲੋਜੀਆਂ ਅਤੇ ਮਾਡਲਾਂ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਅਤੇ ਸਾਡੀ ਕੰਪਨੀ ਦੇ ਵੱਖ-ਵੱਖ ਪ੍ਰੋਜੈਕਟਾਂ - ਮੇਲ, ਕਲਾਉਡ, ਖੋਜ ਵਿੱਚ ਬਣਾਇਆ ਅਤੇ ਸੁਧਾਰਿਆ ਗਿਆ ਸੀ। ਉਹ ਚੰਗੇ ਪਨੀਰ ਜਾਂ ਕੌਗਨੈਕ ਵਾਂਗ ਪਰਿਪੱਕ ਹੋਏ। ਇੱਕ ਦਿਨ ਸਾਨੂੰ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ ਸਾਡੇ ਤੰਤੂ ਨੈੱਟਵਰਕ ਮਾਨਤਾ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਨਤੀਜੇ ਦਿਖਾਉਂਦੇ ਹਨ, ਅਤੇ ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਿੰਗਲ b2b ਉਤਪਾਦ - ਵਿਜ਼ਨ - ਵਿੱਚ ਜੋੜਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ ਜੋ ਅਸੀਂ ਹੁਣ ਖੁਦ ਵਰਤਦੇ ਹਾਂ ਅਤੇ ਤੁਹਾਨੂੰ ਵਰਤਣ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੇ ਹਾਂ।

ਅੱਜ, Mail.Ru Cloud Solutions ਪਲੇਟਫਾਰਮ 'ਤੇ ਸਾਡੀ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਤਕਨਾਲੋਜੀ ਸਫਲਤਾਪੂਰਵਕ ਕੰਮ ਕਰ ਰਹੀ ਹੈ ਅਤੇ ਬਹੁਤ ਗੁੰਝਲਦਾਰ ਵਿਹਾਰਕ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰ ਰਹੀ ਹੈ। ਇਹ ਬਹੁਤ ਸਾਰੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ 'ਤੇ ਆਧਾਰਿਤ ਹੈ ਜੋ ਸਾਡੇ ਡੇਟਾ ਸੈੱਟਾਂ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਹਨ ਅਤੇ ਲਾਗੂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਾਹਰ ਹਨ। ਸਾਰੀਆਂ ਸੇਵਾਵਾਂ ਸਾਡੀਆਂ ਸਰਵਰ ਸਹੂਲਤਾਂ 'ਤੇ ਚੱਲਦੀਆਂ ਹਨ। ਤੁਸੀਂ ਆਪਣੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਪਬਲਿਕ ਵਿਜ਼ਨ API ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰ ਸਕਦੇ ਹੋ, ਜਿਸ ਰਾਹੀਂ ਸੇਵਾ ਦੀਆਂ ਸਾਰੀਆਂ ਸਮਰੱਥਾਵਾਂ ਉਪਲਬਧ ਹਨ। API ਤੇਜ਼ ਹੈ - ਸਰਵਰ GPUs ਦਾ ਧੰਨਵਾਦ, ਸਾਡੇ ਨੈੱਟਵਰਕ ਵਿੱਚ ਔਸਤ ਜਵਾਬ ਸਮਾਂ 100 ms ਹੈ।

ਬਿੱਲੀ 'ਤੇ ਜਾਓ, ਵਿਜ਼ਨ ਦੇ ਕੰਮ ਦੀਆਂ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਕਹਾਣੀ ਅਤੇ ਬਹੁਤ ਸਾਰੀਆਂ ਉਦਾਹਰਣਾਂ ਹਨ.

ਇੱਕ ਸੇਵਾ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਹੈ ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਖੁਦ ਜ਼ਿਕਰ ਕੀਤੀਆਂ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਸਮਾਗਮ. ਇਸਦੇ ਭਾਗਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿਜ਼ਨ ਫੋਟੋ ਸਟੈਂਡ ਹੈ, ਜਿਸਨੂੰ ਅਸੀਂ ਵੱਖ-ਵੱਖ ਕਾਨਫਰੰਸਾਂ ਵਿੱਚ ਸਥਾਪਿਤ ਕਰਦੇ ਹਾਂ। ਜੇਕਰ ਤੁਸੀਂ ਅਜਿਹੇ ਫੋਟੋ ਸਟੈਂਡ ਤੱਕ ਪਹੁੰਚਦੇ ਹੋ, ਤਾਂ ਬਿਲਟ-ਇਨ ਕੈਮਰੇ ਨਾਲ ਇੱਕ ਫੋਟੋ ਲਓ ਅਤੇ ਆਪਣੀ ਈਮੇਲ ਦਰਜ ਕਰੋ, ਸਿਸਟਮ ਤੁਰੰਤ ਉਹਨਾਂ ਫੋਟੋਆਂ ਦੀ ਲੜੀ ਵਿੱਚ ਲੱਭ ਲਵੇਗਾ ਜਿਹਨਾਂ ਵਿੱਚ ਤੁਸੀਂ ਕਾਨਫਰੰਸ ਦੇ ਸਟਾਫ ਫੋਟੋਗ੍ਰਾਫ਼ਰਾਂ ਦੁਆਰਾ ਕੈਪਚਰ ਕੀਤੇ ਗਏ ਸਨ, ਅਤੇ, ਜੇ ਚਾਹੋ, ਲੱਭੀਆਂ ਤਸਵੀਰਾਂ ਤੁਹਾਨੂੰ ਈਮੇਲ ਰਾਹੀਂ ਭੇਜੇਗਾ। ਅਤੇ ਅਸੀਂ ਸਟੇਜੀ ਪੋਰਟਰੇਟ ਸ਼ਾਟਸ ਬਾਰੇ ਗੱਲ ਨਹੀਂ ਕਰ ਰਹੇ ਹਾਂ—ਵਿਜ਼ਨ ਤੁਹਾਨੂੰ ਦਰਸ਼ਕਾਂ ਦੀ ਭੀੜ ਵਿੱਚ ਬਹੁਤ ਪਿਛੋਕੜ ਵਿੱਚ ਵੀ ਪਛਾਣਦਾ ਹੈ। ਬੇਸ਼ੱਕ, ਇਹ ਉਹ ਫੋਟੋਆਂ ਨਹੀਂ ਹਨ ਜੋ ਖੁਦ ਪਛਾਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਇਹ ਸਿਰਫ ਸੁੰਦਰ ਸਟੈਂਡਾਂ ਵਿੱਚ ਗੋਲੀਆਂ ਹਨ ਜੋ ਉਹਨਾਂ ਦੇ ਬਿਲਟ-ਇਨ ਕੈਮਰਿਆਂ ਨਾਲ ਮਹਿਮਾਨਾਂ ਦੀਆਂ ਫੋਟੋਆਂ ਖਿੱਚਦੀਆਂ ਹਨ ਅਤੇ ਸਰਵਰਾਂ ਨੂੰ ਜਾਣਕਾਰੀ ਪ੍ਰਸਾਰਿਤ ਕਰਦੀਆਂ ਹਨ, ਜਿੱਥੇ ਸਾਰੇ ਮਾਨਤਾ ਜਾਦੂ ਹੁੰਦੇ ਹਨ। ਅਤੇ ਅਸੀਂ ਇੱਕ ਤੋਂ ਵੱਧ ਵਾਰ ਦੇਖਿਆ ਹੈ ਕਿ ਚਿੱਤਰ ਮਾਨਤਾ ਮਾਹਰਾਂ ਵਿੱਚ ਵੀ ਤਕਨਾਲੋਜੀ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਕਿੰਨੀ ਹੈਰਾਨੀਜਨਕ ਹੈ। ਹੇਠਾਂ ਅਸੀਂ ਕੁਝ ਉਦਾਹਰਣਾਂ ਬਾਰੇ ਗੱਲ ਕਰਾਂਗੇ.

1. ਸਾਡਾ ਚਿਹਰਾ ਪਛਾਣ ਮਾਡਲ

1.1 ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਅਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਸਪੀਡ

ਮਾਨਤਾ ਲਈ, ਅਸੀਂ ResNet 101 ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਮਾਡਲ ਦੀ ਇੱਕ ਸੋਧ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ। ਅੰਤ ਵਿੱਚ ਔਸਤ ਪੂਲਿੰਗ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਜੁੜੀ ਪਰਤ ਨਾਲ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਇਹ ArcFace ਵਿੱਚ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਵੈਕਟਰ ਪ੍ਰਸਤੁਤੀਆਂ ਦਾ ਆਕਾਰ 128 ਹੈ, 512 ਨਹੀਂ। ਸਾਡੇ ਸਿਖਲਾਈ ਸੈੱਟ ਵਿੱਚ 10 ਲੋਕਾਂ ਦੀਆਂ ਲਗਭਗ 273 ਮਿਲੀਅਨ ਫੋਟੋਆਂ ਹਨ।

ਸਾਵਧਾਨੀ ਨਾਲ ਚੁਣੇ ਗਏ ਸਰਵਰ ਕੌਂਫਿਗਰੇਸ਼ਨ ਆਰਕੀਟੈਕਚਰ ਅਤੇ GPU ਕੰਪਿਊਟਿੰਗ ਲਈ ਮਾਡਲ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਚੱਲਦਾ ਹੈ। ਸਾਡੇ ਅੰਦਰੂਨੀ ਨੈੱਟਵਰਕਾਂ 'ਤੇ API ਤੋਂ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ 100 ms ਦਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ - ਇਸ ਵਿੱਚ ਚਿਹਰੇ ਦੀ ਪਛਾਣ (ਇੱਕ ਫ਼ੋਟੋ ਵਿੱਚ ਚਿਹਰੇ ਦਾ ਪਤਾ ਲਗਾਉਣਾ), API ਜਵਾਬ ਵਿੱਚ PersonID ਨੂੰ ਪਛਾਣਨਾ ਅਤੇ ਵਾਪਸ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਆਉਣ ਵਾਲੇ ਡੇਟਾ ਦੇ ਨਾਲ - ਫੋਟੋਆਂ ਅਤੇ ਵੀਡੀਓ - ਸੇਵਾ ਵਿੱਚ ਡੇਟਾ ਟ੍ਰਾਂਸਫਰ ਕਰਨ ਅਤੇ ਜਵਾਬ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੱਗੇਗਾ।

1.2 ਮਾਡਲ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ

ਪਰ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ ਇੱਕ ਬਹੁਤ ਹੀ ਅਸਪਸ਼ਟ ਕੰਮ ਹੈ। ਉਹਨਾਂ ਦੇ ਕੰਮ ਦੀ ਗੁਣਵੱਤਾ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਕਿ ਮਾਡਲਾਂ ਨੂੰ ਕਿਹੜੇ ਡੇਟਾ ਸੈੱਟਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ ਅਤੇ ਕੀ ਉਹਨਾਂ ਨੂੰ ਖਾਸ ਡੇਟਾ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਅਨੁਕੂਲ ਬਣਾਇਆ ਗਿਆ ਸੀ।

ਅਸੀਂ ਪ੍ਰਸਿੱਧ LFW ਪੁਸ਼ਟੀਕਰਨ ਟੈਸਟ ਦੇ ਨਾਲ ਆਪਣੇ ਮਾਡਲ ਦੀ ਸ਼ੁੱਧਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਸ਼ੁਰੂ ਕੀਤਾ, ਪਰ ਇਹ ਬਹੁਤ ਛੋਟਾ ਅਤੇ ਸਧਾਰਨ ਹੈ। 99,8% ਸ਼ੁੱਧਤਾ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਬਾਅਦ, ਇਹ ਹੁਣ ਉਪਯੋਗੀ ਨਹੀਂ ਹੈ। ਮਾਨਤਾ ਮਾਡਲਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਇੱਕ ਵਧੀਆ ਮੁਕਾਬਲਾ ਹੈ - Megaface, ਜਿਸ 'ਤੇ ਅਸੀਂ ਹੌਲੀ-ਹੌਲੀ 82% ਰੈਂਕ 1 'ਤੇ ਪਹੁੰਚ ਗਏ ਹਾਂ। Megaface ਟੈਸਟ ਵਿੱਚ ਇੱਕ ਮਿਲੀਅਨ ਫੋਟੋਆਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ - ਡਿਸਟਰੈਕਟਰ - ਅਤੇ ਮਾਡਲ ਨੂੰ Facescrub ਤੋਂ ਮਸ਼ਹੂਰ ਹਸਤੀਆਂ ਦੀਆਂ ਕਈ ਹਜ਼ਾਰ ਤਸਵੀਰਾਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਵੱਖ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਡਿਸਟਰੈਕਟਰਾਂ ਤੋਂ ਡੇਟਾਸੈਟ। ਹਾਲਾਂਕਿ, ਗਲਤੀਆਂ ਦੇ ਮੇਗਾਫੇਸ ਟੈਸਟ ਨੂੰ ਕਲੀਅਰ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਪਾਇਆ ਕਿ ਕਲੀਅਰ ਕੀਤੇ ਸੰਸਕਰਣ ਦੇ ਨਾਲ ਅਸੀਂ 98% ਰੈਂਕ 1 ਦੀ ਸ਼ੁੱਧਤਾ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਾਂ (ਮਸ਼ਹੂਰ ਹਸਤੀਆਂ ਦੀਆਂ ਫੋਟੋਆਂ ਆਮ ਤੌਰ 'ਤੇ ਕਾਫ਼ੀ ਖਾਸ ਹੁੰਦੀਆਂ ਹਨ)। ਇਸ ਲਈ, ਉਹਨਾਂ ਨੇ ਮੈਗਾਫੇਸ ਦੇ ਸਮਾਨ, ਪਰ "ਆਮ" ਲੋਕਾਂ ਦੀਆਂ ਤਸਵੀਰਾਂ ਦੇ ਨਾਲ ਇੱਕ ਵੱਖਰੀ ਪਛਾਣ ਟੈਸਟ ਬਣਾਇਆ। ਫਿਰ ਅਸੀਂ ਆਪਣੇ ਡੇਟਾਸੈਟਾਂ 'ਤੇ ਪਛਾਣ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ ਅਤੇ ਬਹੁਤ ਅੱਗੇ ਚਲੇ ਗਏ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ ਇੱਕ ਕਲੱਸਟਰਿੰਗ ਗੁਣਵੱਤਾ ਟੈਸਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਜਿਸ ਵਿੱਚ ਕਈ ਹਜ਼ਾਰ ਫੋਟੋਆਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ; ਇਹ ਉਪਭੋਗਤਾ ਦੇ ਕਲਾਉਡ ਵਿੱਚ ਚਿਹਰੇ ਦੀ ਟੈਗਿੰਗ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ। ਇਸ ਕੇਸ ਵਿੱਚ, ਕਲੱਸਟਰ ਸਮਾਨ ਵਿਅਕਤੀਆਂ ਦੇ ਸਮੂਹ ਹਨ, ਹਰੇਕ ਪਛਾਣਨ ਯੋਗ ਵਿਅਕਤੀ ਲਈ ਇੱਕ ਸਮੂਹ। ਅਸੀਂ ਅਸਲ ਸਮੂਹਾਂ (ਸੱਚ) 'ਤੇ ਕੰਮ ਦੀ ਗੁਣਵੱਤਾ ਦੀ ਜਾਂਚ ਕੀਤੀ।

ਬੇਸ਼ੱਕ, ਕਿਸੇ ਵੀ ਮਾਡਲ ਨਾਲ ਮਾਨਤਾ ਦੀਆਂ ਗਲਤੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। ਪਰ ਅਜਿਹੀਆਂ ਸਥਿਤੀਆਂ ਨੂੰ ਅਕਸਰ ਖਾਸ ਸਥਿਤੀਆਂ ਲਈ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਵਧੀਆ-ਟਿਊਨ ਕਰਕੇ ਹੱਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ (ਸਾਰੇ ਕਾਨਫਰੰਸਾਂ ਲਈ ਅਸੀਂ ਇੱਕੋ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ, ਪਰ, ਉਦਾਹਰਨ ਲਈ, ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਸਾਨੂੰ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਧਾਉਣਾ ਪੈਂਦਾ ਹੈ ਤਾਂ ਜੋ ਘੱਟ ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਹੋਣ)। ਕਾਨਫਰੰਸ ਵਿਜ਼ਟਰਾਂ ਦੀ ਵੱਡੀ ਬਹੁਗਿਣਤੀ ਨੂੰ ਸਾਡੇ ਵਿਜ਼ਨ ਫੋਟੋ ਬੂਥਾਂ ਦੁਆਰਾ ਸਹੀ ਤਰ੍ਹਾਂ ਪਛਾਣਿਆ ਗਿਆ ਸੀ। ਕਦੇ-ਕਦੇ ਕੋਈ ਕ੍ਰੌਪ ਕੀਤੇ ਪੂਰਵਦਰਸ਼ਨ ਨੂੰ ਦੇਖਦਾ ਹੈ ਅਤੇ ਕਹਿੰਦਾ ਹੈ, "ਤੁਹਾਡੇ ਸਿਸਟਮ ਨੇ ਗਲਤੀ ਕੀਤੀ ਹੈ, ਇਹ ਮੈਂ ਨਹੀਂ ਸੀ।" ਫਿਰ ਅਸੀਂ ਫੋਟੋ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖੋਲ੍ਹਿਆ, ਅਤੇ ਇਹ ਪਤਾ ਚਲਿਆ ਕਿ ਫੋਟੋ ਵਿੱਚ ਅਸਲ ਵਿੱਚ ਇਹ ਵਿਜ਼ਟਰ ਸੀ, ਸਿਰਫ ਅਸੀਂ ਉਸਦੀ ਫੋਟੋ ਨਹੀਂ ਖਿੱਚ ਰਹੇ ਸੀ, ਪਰ ਕੋਈ ਹੋਰ, ਵਿਅਕਤੀ ਸਿਰਫ ਬਲਰ ਜ਼ੋਨ ਵਿੱਚ ਪਿਛੋਕੜ ਵਿੱਚ ਸੀ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਨਿਊਰਲ ਨੈਟਵਰਕ ਅਕਸਰ ਸਹੀ ਢੰਗ ਨਾਲ ਪਛਾਣਦਾ ਹੈ ਭਾਵੇਂ ਚਿਹਰੇ ਦਾ ਕੁਝ ਹਿੱਸਾ ਦਿਖਾਈ ਨਹੀਂ ਦਿੰਦਾ, ਜਾਂ ਵਿਅਕਤੀ ਪ੍ਰੋਫਾਈਲ ਵਿੱਚ ਖੜ੍ਹਾ ਹੈ, ਜਾਂ ਅੱਧਾ ਮੋੜਿਆ ਹੋਇਆ ਹੈ। ਸਿਸਟਮ ਕਿਸੇ ਵਿਅਕਤੀ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ ਭਾਵੇਂ ਚਿਹਰਾ ਆਪਟੀਕਲ ਵਿਗਾੜ ਦੇ ਖੇਤਰ ਵਿੱਚ ਹੋਵੇ, ਕਹੋ, ਜਦੋਂ ਵਾਈਡ-ਐਂਗਲ ਲੈਂਸ ਨਾਲ ਸ਼ੂਟਿੰਗ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

1.3 ਮੁਸ਼ਕਲ ਸਥਿਤੀਆਂ ਵਿੱਚ ਜਾਂਚ ਦੀਆਂ ਉਦਾਹਰਣਾਂ

ਹੇਠਾਂ ਉਦਾਹਰਨਾਂ ਦਿੱਤੀਆਂ ਗਈਆਂ ਹਨ ਕਿ ਸਾਡਾ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ। ਫੋਟੋਆਂ ਨੂੰ ਇਨਪੁਟ 'ਤੇ ਜਮ੍ਹਾਂ ਕਰਾਇਆ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਨੂੰ ਉਸ ਨੂੰ PersonID ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਲੇਬਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ - ਇੱਕ ਵਿਅਕਤੀ ਦਾ ਵਿਲੱਖਣ ਪਛਾਣਕਰਤਾ। ਜੇ ਦੋ ਜਾਂ ਦੋ ਤੋਂ ਵੱਧ ਚਿੱਤਰਾਂ ਦੀ ਇੱਕੋ ID ਹੈ, ਤਾਂ, ਮਾਡਲਾਂ ਦੇ ਅਨੁਸਾਰ, ਇਹ ਫੋਟੋਆਂ ਇੱਕੋ ਵਿਅਕਤੀ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ.

ਆਉ ਅਸੀਂ ਤੁਰੰਤ ਨੋਟ ਕਰੀਏ ਕਿ ਟੈਸਟਿੰਗ ਕਰਦੇ ਸਮੇਂ, ਸਾਡੇ ਕੋਲ ਵੱਖ-ਵੱਖ ਮਾਪਦੰਡਾਂ ਅਤੇ ਮਾਡਲ ਥ੍ਰੈਸ਼ਹੋਲਡਾਂ ਤੱਕ ਪਹੁੰਚ ਹੁੰਦੀ ਹੈ ਜੋ ਅਸੀਂ ਇੱਕ ਖਾਸ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਕੌਂਫਿਗਰ ਕਰ ਸਕਦੇ ਹਾਂ। ਜਨਤਕ API ਨੂੰ ਆਮ ਮਾਮਲਿਆਂ 'ਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਸ਼ੁੱਧਤਾ ਲਈ ਅਨੁਕੂਲ ਬਣਾਇਆ ਗਿਆ ਹੈ।

ਆਉ ਸਭ ਤੋਂ ਸਧਾਰਨ ਚੀਜ਼ ਨਾਲ ਸ਼ੁਰੂ ਕਰੀਏ, ਸਾਹਮਣੇ ਵਾਲੇ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਦੇ ਨਾਲ।

ਖੈਰ, ਇਹ ਬਹੁਤ ਸੌਖਾ ਸੀ. ਆਓ ਕੰਮ ਨੂੰ ਗੁੰਝਲਦਾਰ ਕਰੀਏ, ਇੱਕ ਦਾੜ੍ਹੀ ਅਤੇ ਇੱਕ ਮੁੱਠੀ ਭਰ ਸਾਲ ਜੋੜੋ.

ਕੁਝ ਕਹਿਣਗੇ ਕਿ ਇਹ ਵੀ ਬਹੁਤ ਮੁਸ਼ਕਲ ਨਹੀਂ ਸੀ, ਕਿਉਂਕਿ ਦੋਵਾਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਪੂਰਾ ਚਿਹਰਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਚਿਹਰੇ ਬਾਰੇ ਬਹੁਤ ਸਾਰੀ ਜਾਣਕਾਰੀ ਐਲਗੋਰਿਦਮ ਨੂੰ ਉਪਲਬਧ ਹੈ. ਠੀਕ ਹੈ, ਆਓ ਟੌਮ ਹਾਰਡੀ ਨੂੰ ਪ੍ਰੋਫਾਈਲ ਵਿੱਚ ਬਦਲ ਦੇਈਏ। ਇਹ ਸਮੱਸਿਆ ਬਹੁਤ ਜ਼ਿਆਦਾ ਗੁੰਝਲਦਾਰ ਹੈ, ਅਤੇ ਅਸੀਂ ਇੱਕ ਘੱਟ ਗਲਤੀ ਦਰ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ ਇਸਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਹੱਲ ਕਰਨ ਲਈ ਬਹੁਤ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਹੈ: ਅਸੀਂ ਇੱਕ ਸਿਖਲਾਈ ਸੈੱਟ ਚੁਣਿਆ, ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੇ ਢਾਂਚੇ ਦੁਆਰਾ ਸੋਚਿਆ, ਨੁਕਸਾਨ ਦੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਸਨਮਾਨਿਤ ਕੀਤਾ ਅਤੇ ਪ੍ਰੀ-ਪ੍ਰੋਸੈਸਿੰਗ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ। ਫੋਟੋਆਂ ਦਾ.

ਆਓ ਉਸ 'ਤੇ ਇੱਕ ਸਿਰਲੇਖ ਪਾਈਏ:

ਤਰੀਕੇ ਨਾਲ, ਇਹ ਇੱਕ ਖਾਸ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਸਥਿਤੀ ਦਾ ਇੱਕ ਉਦਾਹਰਨ ਹੈ, ਕਿਉਂਕਿ ਚਿਹਰਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅਸਪਸ਼ਟ ਹੈ, ਅਤੇ ਹੇਠਲੇ ਫੋਟੋ ਵਿੱਚ ਅੱਖਾਂ ਨੂੰ ਛੁਪਾਉਣ ਵਾਲਾ ਇੱਕ ਡੂੰਘਾ ਪਰਛਾਵਾਂ ਵੀ ਹੈ. ਅਸਲ ਜ਼ਿੰਦਗੀ ਵਿੱਚ, ਲੋਕ ਅਕਸਰ ਹਨੇਰੇ ਐਨਕਾਂ ਦੀ ਮਦਦ ਨਾਲ ਆਪਣੀ ਦਿੱਖ ਬਦਲਦੇ ਹਨ. ਆਉ ਟੌਮ ਨਾਲ ਵੀ ਅਜਿਹਾ ਹੀ ਕਰੀਏ।

ਠੀਕ ਹੈ, ਆਓ ਵੱਖ-ਵੱਖ ਉਮਰਾਂ ਦੀਆਂ ਫੋਟੋਆਂ ਵਿੱਚ ਸੁੱਟਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ, ਅਤੇ ਇਸ ਵਾਰ ਅਸੀਂ ਇੱਕ ਵੱਖਰੇ ਅਦਾਕਾਰ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਾਂਗੇ। ਆਉ ਇੱਕ ਹੋਰ ਗੁੰਝਲਦਾਰ ਉਦਾਹਰਨ ਲਈਏ, ਜਿੱਥੇ ਉਮਰ-ਸਬੰਧਤ ਤਬਦੀਲੀਆਂ ਖਾਸ ਤੌਰ 'ਤੇ ਉਚਾਰੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਸਥਿਤੀ ਬਹੁਤ ਦੂਰ ਦੀ ਗੱਲ ਨਹੀਂ ਹੈ; ਇਹ ਅਕਸਰ ਉਦੋਂ ਵਾਪਰਦਾ ਹੈ ਜਦੋਂ ਤੁਹਾਨੂੰ ਪਾਸਪੋਰਟ ਵਿੱਚ ਫੋਟੋ ਦੀ ਤੁਲਨਾ ਧਾਰਕ ਦੇ ਚਿਹਰੇ ਨਾਲ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ. ਆਖ਼ਰਕਾਰ, ਪਹਿਲੀ ਫੋਟੋ ਨੂੰ ਇੱਕ ਪਾਸਪੋਰਟ ਵਿੱਚ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਮਾਲਕ 20 ਸਾਲ ਦਾ ਹੁੰਦਾ ਹੈ, ਅਤੇ 45 ਸਾਲ ਦੀ ਉਮਰ ਤੱਕ ਇੱਕ ਵਿਅਕਤੀ ਬਹੁਤ ਬਦਲ ਸਕਦਾ ਹੈ:

ਕੀ ਤੁਸੀਂ ਸੋਚਦੇ ਹੋ ਕਿ ਅਸੰਭਵ ਮਿਸ਼ਨਾਂ ਦਾ ਮੁੱਖ ਮਾਹਰ ਉਮਰ ਦੇ ਨਾਲ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਹੀਂ ਬਦਲਿਆ ਹੈ? ਮੈਂ ਸੋਚਦਾ ਹਾਂ ਕਿ ਕੁਝ ਲੋਕ ਵੀ ਉੱਪਰ ਅਤੇ ਹੇਠਾਂ ਦੀਆਂ ਫੋਟੋਆਂ ਨੂੰ ਜੋੜਦੇ ਹੋਣਗੇ, ਮੁੰਡਾ ਸਾਲਾਂ ਵਿੱਚ ਬਹੁਤ ਬਦਲ ਗਿਆ ਹੈ.

ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੀ ਦਿੱਖ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਦਾ ਸਾਹਮਣਾ ਅਕਸਰ ਹੁੰਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਕਈ ਵਾਰ ਔਰਤਾਂ ਸ਼ਿੰਗਾਰ ਦੀ ਮਦਦ ਨਾਲ ਆਪਣੀ ਤਸਵੀਰ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਬਦਲ ਸਕਦੀਆਂ ਹਨ:

ਆਓ ਹੁਣ ਕੰਮ ਨੂੰ ਹੋਰ ਵੀ ਗੁੰਝਲਦਾਰ ਕਰੀਏ: ਮੰਨ ਲਓ ਕਿ ਚਿਹਰੇ ਦੇ ਵੱਖ-ਵੱਖ ਹਿੱਸੇ ਵੱਖ-ਵੱਖ ਤਸਵੀਰਾਂ ਵਿੱਚ ਢੱਕੇ ਹੋਏ ਹਨ। ਅਜਿਹੇ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਐਲਗੋਰਿਦਮ ਪੂਰੇ ਨਮੂਨਿਆਂ ਦੀ ਤੁਲਨਾ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਵਿਜ਼ਨ ਇਸ ਤਰ੍ਹਾਂ ਦੀਆਂ ਸਥਿਤੀਆਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਭਾਲਦਾ ਹੈ.

ਤਰੀਕੇ ਨਾਲ, ਇੱਕ ਫੋਟੋ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਚਿਹਰੇ ਹੋ ਸਕਦੇ ਹਨ; ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਹਾਲ ਦੀ ਇੱਕ ਆਮ ਫੋਟੋ ਵਿੱਚ 100 ਤੋਂ ਵੱਧ ਲੋਕ ਫਿੱਟ ਹੋ ਸਕਦੇ ਹਨ। ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਲਈ ਇਹ ਇੱਕ ਮੁਸ਼ਕਲ ਸਥਿਤੀ ਹੈ, ਕਿਉਂਕਿ ਬਹੁਤ ਸਾਰੇ ਚਿਹਰਿਆਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਕੁਝ ਫੋਕਸ ਤੋਂ ਬਾਹਰ। ਹਾਲਾਂਕਿ, ਜੇਕਰ ਫੋਟੋ ਕਾਫੀ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਅਤੇ ਕੁਆਲਿਟੀ (ਚਿਹਰੇ ਨੂੰ ਢੱਕਣ ਲਈ ਘੱਟੋ-ਘੱਟ 75 ਪਿਕਸਲ ਪ੍ਰਤੀ ਵਰਗ) ਨਾਲ ਲਈ ਗਈ ਹੈ, ਤਾਂ ਵਿਜ਼ਨ ਇਸ ਨੂੰ ਖੋਜਣ ਅਤੇ ਪਛਾਣਨ ਦੇ ਯੋਗ ਹੋਵੇਗਾ।

ਨਿਗਰਾਨੀ ਕੈਮਰਿਆਂ ਤੋਂ ਰਿਪੋਰਟਿੰਗ ਫੋਟੋਆਂ ਅਤੇ ਤਸਵੀਰਾਂ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਇਹ ਹੈ ਕਿ ਲੋਕ ਅਕਸਰ ਧੁੰਦਲੇ ਹੋ ਜਾਂਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਫੋਕਸ ਤੋਂ ਬਾਹਰ ਸਨ ਜਾਂ ਉਸ ਸਮੇਂ ਹਿਲ ਰਹੇ ਸਨ:

ਨਾਲ ਹੀ, ਰੋਸ਼ਨੀ ਦੀ ਤੀਬਰਤਾ ਚਿੱਤਰ ਤੋਂ ਚਿੱਤਰ ਤੱਕ ਬਹੁਤ ਵੱਖਰੀ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ, ਵੀ, ਅਕਸਰ ਇੱਕ ਰੁਕਾਵਟ ਬਣ ਜਾਂਦੀ ਹੈ; ਬਹੁਤ ਸਾਰੇ ਐਲਗੋਰਿਥਮਾਂ ਨੂੰ ਉਹਨਾਂ ਚਿੱਤਰਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਪ੍ਰੋਸੈਸ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੁੰਦੀ ਹੈ ਜੋ ਬਹੁਤ ਹਨੇਰੇ ਅਤੇ ਬਹੁਤ ਹਲਕੇ ਹਨ, ਉਹਨਾਂ ਦਾ ਸਹੀ ਮੇਲ ਖਾਂਦਾ ਨਹੀਂ ਹੈ। ਮੈਨੂੰ ਤੁਹਾਨੂੰ ਯਾਦ ਦਿਵਾਉਣ ਦਿਓ ਕਿ ਇਸ ਨਤੀਜੇ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਤੁਹਾਨੂੰ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨੂੰ ਇੱਕ ਖਾਸ ਤਰੀਕੇ ਨਾਲ ਸੰਰਚਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੈ; ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਅਜੇ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਨਹੀਂ ਹੈ। ਅਸੀਂ ਸਾਰੇ ਗਾਹਕਾਂ ਲਈ ਇੱਕੋ ਜਿਹੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ; ਇਸ ਵਿੱਚ ਥ੍ਰੈਸ਼ਹੋਲਡ ਹਨ ਜੋ ਜ਼ਿਆਦਾਤਰ ਵਿਹਾਰਕ ਕੰਮਾਂ ਲਈ ਢੁਕਵੇਂ ਹਨ।

ਅਸੀਂ ਹਾਲ ਹੀ ਵਿੱਚ ਮਾਡਲ ਦਾ ਇੱਕ ਨਵਾਂ ਸੰਸਕਰਣ ਤਿਆਰ ਕੀਤਾ ਹੈ ਜੋ ਉੱਚ ਸਟੀਕਤਾ ਨਾਲ ਏਸ਼ੀਆਈ ਚਿਹਰਿਆਂ ਨੂੰ ਪਛਾਣਦਾ ਹੈ। ਇਹ ਇੱਕ ਵੱਡੀ ਸਮੱਸਿਆ ਸੀ, ਜਿਸਨੂੰ "ਮਸ਼ੀਨ ਲਰਨਿੰਗ" (ਜਾਂ "ਨਿਊਰਲ ਨੈੱਟਵਰਕ") ਨਸਲਵਾਦ ਵੀ ਕਿਹਾ ਜਾਂਦਾ ਸੀ। ਯੂਰਪੀਅਨ ਅਤੇ ਅਮਰੀਕੀ ਤੰਤੂ ਨੈਟਵਰਕਾਂ ਨੇ ਕਾਕੇਸ਼ੀਅਨ ਚਿਹਰਿਆਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਛਾਣਿਆ, ਪਰ ਮੰਗੋਲੋਇਡ ਅਤੇ ਨੇਗਰੋਇਡ ਚਿਹਰਿਆਂ ਨਾਲ ਸਥਿਤੀ ਬਹੁਤ ਖਰਾਬ ਸੀ। ਸ਼ਾਇਦ, ਚੀਨ ਵਿਚ ਸਥਿਤੀ ਬਿਲਕੁਲ ਉਲਟ ਸੀ. ਇਹ ਸਭ ਸਿਖਲਾਈ ਡੇਟਾ ਸੈੱਟਾਂ ਬਾਰੇ ਹੈ ਜੋ ਕਿਸੇ ਖਾਸ ਦੇਸ਼ ਵਿੱਚ ਪ੍ਰਮੁੱਖ ਕਿਸਮ ਦੇ ਲੋਕਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਸਥਿਤੀ ਬਦਲ ਰਹੀ ਹੈ; ਅੱਜ ਇਹ ਸਮੱਸਿਆ ਇੰਨੀ ਗੰਭੀਰ ਨਹੀਂ ਹੈ. ਵੱਖ-ਵੱਖ ਨਸਲਾਂ ਦੇ ਲੋਕਾਂ ਨੂੰ ਦਰਸ਼ਨ ਦੀ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ।

ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਸਾਡੀ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਬਹੁਤ ਸਾਰੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ; ਦ੍ਰਿਸ਼ਟੀ ਨੂੰ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਨੂੰ ਪਛਾਣਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਲਾਇਸੈਂਸ ਪਲੇਟਾਂ, ਐਲਗੋਰਿਦਮ ਲਈ ਮੁਸ਼ਕਲ ਹਾਲਾਤਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ: ਤਿੱਖੇ ਕੋਣਾਂ 'ਤੇ, ਗੰਦੇ ਅਤੇ ਲਾਇਸੈਂਸ ਪਲੇਟਾਂ ਨੂੰ ਪੜ੍ਹਨ ਵਿੱਚ ਮੁਸ਼ਕਲ।

2. ਵਿਹਾਰਕ ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ

2.1 ਸਰੀਰਕ ਪਹੁੰਚ ਨਿਯੰਤਰਣ: ਜਦੋਂ ਦੋ ਲੋਕ ਇੱਕੋ ਪਾਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ

ਵਿਜ਼ਨ ਦੀ ਮਦਦ ਨਾਲ, ਤੁਸੀਂ ਕਰਮਚਾਰੀਆਂ ਦੇ ਆਉਣ ਅਤੇ ਜਾਣ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨ ਲਈ ਸਿਸਟਮ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹੋ। ਇਲੈਕਟ੍ਰਾਨਿਕ ਪਾਸਾਂ 'ਤੇ ਅਧਾਰਤ ਰਵਾਇਤੀ ਪ੍ਰਣਾਲੀ ਦੇ ਸਪੱਸ਼ਟ ਨੁਕਸਾਨ ਹਨ, ਉਦਾਹਰਨ ਲਈ, ਤੁਸੀਂ ਇੱਕ ਬੈਜ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਦੋ ਲੋਕਾਂ ਨੂੰ ਪਾਸ ਕਰ ਸਕਦੇ ਹੋ। ਜੇਕਰ ਐਕਸੈਸ ਕੰਟਰੋਲ ਸਿਸਟਮ (ACS) ਵਿਜ਼ਨ ਨਾਲ ਪੂਰਕ ਹੈ, ਤਾਂ ਇਹ ਇਮਾਨਦਾਰੀ ਨਾਲ ਰਿਕਾਰਡ ਕਰੇਗਾ ਕਿ ਕੌਣ ਆਇਆ/ਖੱਬੇ ਅਤੇ ਕਦੋਂ ਆਇਆ।

2.2 ਟਾਈਮ ਟਰੈਕਿੰਗ

ਇਹ ਵਿਜ਼ਨ ਵਰਤੋਂ ਕੇਸ ਪਿਛਲੇ ਇੱਕ ਨਾਲ ਨੇੜਿਓਂ ਸਬੰਧਤ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਸਾਡੀ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਸੇਵਾ ਦੇ ਨਾਲ ਪਹੁੰਚ ਪ੍ਰਣਾਲੀ ਦੀ ਪੂਰਤੀ ਕਰਦੇ ਹੋ, ਤਾਂ ਇਹ ਨਾ ਸਿਰਫ਼ ਪਹੁੰਚ ਨਿਯੰਤਰਣ ਉਲੰਘਣਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦੇ ਯੋਗ ਹੋਵੇਗਾ, ਸਗੋਂ ਇਮਾਰਤ ਜਾਂ ਸਹੂਲਤ ਵਿੱਚ ਕਰਮਚਾਰੀਆਂ ਦੀ ਅਸਲ ਮੌਜੂਦਗੀ ਨੂੰ ਵੀ ਦਰਜ ਕਰ ਸਕੇਗਾ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਵਿਜ਼ਨ ਤੁਹਾਨੂੰ ਇਮਾਨਦਾਰੀ ਨਾਲ ਇਸ ਗੱਲ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ ਕਿ ਕੌਣ ਕੰਮ 'ਤੇ ਆਇਆ ਅਤੇ ਕਿਸ ਸਮੇਂ ਛੱਡ ਗਿਆ, ਅਤੇ ਕਿਸ ਨੇ ਕੰਮ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਛੱਡ ਦਿੱਤਾ, ਭਾਵੇਂ ਉਸਦੇ ਸਾਥੀਆਂ ਨੇ ਉਸਦੇ ਉੱਚ ਅਧਿਕਾਰੀਆਂ ਦੇ ਸਾਹਮਣੇ ਉਸਨੂੰ ਕਵਰ ਕੀਤਾ ਹੋਵੇ।

2.3 ਵੀਡੀਓ ਵਿਸ਼ਲੇਸ਼ਣ: ਲੋਕ ਟਰੈਕਿੰਗ ਅਤੇ ਸੁਰੱਖਿਆ

ਵਿਜ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਲੋਕਾਂ ਨੂੰ ਟਰੈਕ ਕਰਕੇ, ਤੁਸੀਂ ਖਰੀਦਦਾਰੀ ਖੇਤਰਾਂ, ਰੇਲਵੇ ਸਟੇਸ਼ਨਾਂ, ਰਸਤਿਆਂ, ਗਲੀਆਂ ਅਤੇ ਹੋਰ ਕਈ ਜਨਤਕ ਸਥਾਨਾਂ ਦੇ ਅਸਲ ਟ੍ਰੈਫਿਕ ਦਾ ਸਹੀ ਮੁਲਾਂਕਣ ਕਰ ਸਕਦੇ ਹੋ। ਸਾਡੀ ਟ੍ਰੈਕਿੰਗ ਪਹੁੰਚ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਿੱਚ ਵੀ ਬਹੁਤ ਮਦਦਗਾਰ ਹੋ ਸਕਦੀ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਵੇਅਰਹਾਊਸ ਜਾਂ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਦਫਤਰ ਦੇ ਅਹਾਤੇ ਤੱਕ। ਅਤੇ ਬੇਸ਼ੱਕ, ਲੋਕਾਂ ਅਤੇ ਚਿਹਰਿਆਂ ਨੂੰ ਟਰੈਕ ਕਰਨਾ ਸੁਰੱਖਿਆ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਕਿਸੇ ਨੂੰ ਤੁਹਾਡੇ ਸਟੋਰ ਤੋਂ ਚੋਰੀ ਕਰਦੇ ਫੜਿਆ ਗਿਆ? ਉਸਦੀ PersonID, ਜੋ ਕਿ ਵਿਜ਼ਨ ਦੁਆਰਾ ਵਾਪਸ ਕੀਤੀ ਗਈ ਸੀ, ਨੂੰ ਆਪਣੇ ਵੀਡੀਓ ਵਿਸ਼ਲੇਸ਼ਣ ਸੌਫਟਵੇਅਰ ਦੀ ਬਲੈਕਲਿਸਟ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰੋ, ਅਤੇ ਅਗਲੀ ਵਾਰ ਜੇਕਰ ਇਹ ਕਿਸਮ ਦੁਬਾਰਾ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ ਤਾਂ ਸਿਸਟਮ ਤੁਰੰਤ ਸੁਰੱਖਿਆ ਨੂੰ ਸੁਚੇਤ ਕਰੇਗਾ।

2.4 ਵਪਾਰ ਵਿੱਚ

ਪ੍ਰਚੂਨ ਅਤੇ ਵੱਖ-ਵੱਖ ਸੇਵਾ ਕਾਰੋਬਾਰ ਕਤਾਰ ਮਾਨਤਾ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਨ. ਵਿਜ਼ਨ ਦੀ ਮਦਦ ਨਾਲ, ਤੁਸੀਂ ਪਛਾਣ ਸਕਦੇ ਹੋ ਕਿ ਇਹ ਲੋਕਾਂ ਦੀ ਬੇਤਰਤੀਬ ਭੀੜ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਕਤਾਰ ਹੈ, ਅਤੇ ਇਸਦੀ ਲੰਬਾਈ ਨਿਰਧਾਰਤ ਕਰ ਸਕਦੇ ਹੋ। ਅਤੇ ਫਿਰ ਸਿਸਟਮ ਇੰਚਾਰਜਾਂ ਨੂੰ ਇੱਕ ਕਤਾਰ ਬਾਰੇ ਸੂਚਿਤ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਉਹ ਸਥਿਤੀ ਦਾ ਪਤਾ ਲਗਾ ਸਕਣ: ਜਾਂ ਤਾਂ ਸੈਲਾਨੀਆਂ ਦੀ ਭੀੜ ਹੈ ਅਤੇ ਵਾਧੂ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਬੁਲਾਉਣ ਦੀ ਜ਼ਰੂਰਤ ਹੈ, ਜਾਂ ਕੋਈ ਆਪਣੀ ਨੌਕਰੀ ਦੇ ਫਰਜ਼ਾਂ ਵਿੱਚ ਢਿੱਲ ਕਰ ਰਿਹਾ ਹੈ।

ਇਕ ਹੋਰ ਦਿਲਚਸਪ ਕੰਮ ਹਾਲ ਵਿਚ ਕੰਪਨੀ ਦੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਦਰਸ਼ਕਾਂ ਤੋਂ ਵੱਖ ਕਰਨਾ ਹੈ. ਆਮ ਤੌਰ 'ਤੇ, ਸਿਸਟਮ ਨੂੰ ਕੁਝ ਖਾਸ ਕੱਪੜੇ (ਡਰੈਸ ਕੋਡ) ਪਹਿਨਣ ਵਾਲੀਆਂ ਚੀਜ਼ਾਂ ਨੂੰ ਵੱਖ ਕਰਨ ਲਈ ਜਾਂ ਕੁਝ ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ੇਸ਼ਤਾ (ਬ੍ਰਾਂਡ ਵਾਲਾ ਸਕਾਰਫ਼, ਛਾਤੀ 'ਤੇ ਬੈਜ, ਆਦਿ) ਨਾਲ ਵੱਖ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ ਹਾਜ਼ਰੀ ਦਾ ਵਧੇਰੇ ਸਹੀ ਮੁਲਾਂਕਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ (ਤਾਂ ਕਿ ਕਰਮਚਾਰੀ ਹਾਲ ਵਿੱਚ ਲੋਕਾਂ ਦੇ ਅੰਕੜਿਆਂ ਨੂੰ ਉਹਨਾਂ ਦੀ ਸਿਰਫ਼ ਮੌਜੂਦਗੀ ਦੁਆਰਾ "ਫੁੱਲ" ਨਾ ਦੇਣ)।

ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਤੁਸੀਂ ਆਪਣੇ ਦਰਸ਼ਕਾਂ ਦਾ ਮੁਲਾਂਕਣ ਵੀ ਕਰ ਸਕਦੇ ਹੋ: ਸੈਲਾਨੀਆਂ ਦੀ ਵਫ਼ਾਦਾਰੀ ਕੀ ਹੈ, ਯਾਨੀ ਕਿ ਕਿੰਨੇ ਲੋਕ ਤੁਹਾਡੀ ਸਥਾਪਨਾ ਤੇ ਵਾਪਸ ਆਉਂਦੇ ਹਨ ਅਤੇ ਕਿਹੜੀ ਬਾਰੰਬਾਰਤਾ ਨਾਲ। ਗਣਨਾ ਕਰੋ ਕਿ ਪ੍ਰਤੀ ਮਹੀਨਾ ਕਿੰਨੇ ਵਿਲੱਖਣ ਸੈਲਾਨੀ ਤੁਹਾਡੇ ਕੋਲ ਆਉਂਦੇ ਹਨ। ਆਕਰਸ਼ਣ ਅਤੇ ਧਾਰਨ ਦੀਆਂ ਲਾਗਤਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ, ਤੁਸੀਂ ਹਫ਼ਤੇ ਦੇ ਦਿਨ ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਦਿਨ ਦੇ ਸਮੇਂ ਦੇ ਆਧਾਰ 'ਤੇ ਟ੍ਰੈਫਿਕ ਵਿੱਚ ਤਬਦੀਲੀ ਦਾ ਵੀ ਪਤਾ ਲਗਾ ਸਕਦੇ ਹੋ।

ਫ੍ਰੈਂਚਾਈਜ਼ਰ ਅਤੇ ਚੇਨ ਕੰਪਨੀਆਂ ਵੱਖ-ਵੱਖ ਪ੍ਰਚੂਨ ਦੁਕਾਨਾਂ ਦੀ ਬ੍ਰਾਂਡਿੰਗ ਦੀ ਗੁਣਵੱਤਾ ਦੀਆਂ ਤਸਵੀਰਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਮੁਲਾਂਕਣ ਦਾ ਆਦੇਸ਼ ਦੇ ਸਕਦੀਆਂ ਹਨ: ਲੋਗੋ, ਚਿੰਨ੍ਹ, ਪੋਸਟਰ, ਬੈਨਰ ਆਦਿ ਦੀ ਮੌਜੂਦਗੀ।

2.5 ਆਵਾਜਾਈ ਦੁਆਰਾ

ਵੀਡੀਓ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਦਾ ਇੱਕ ਹੋਰ ਉਦਾਹਰਨ ਹਵਾਈ ਅੱਡਿਆਂ ਜਾਂ ਰੇਲ ਸਟੇਸ਼ਨਾਂ ਦੇ ਹਾਲਾਂ ਵਿੱਚ ਛੱਡੀਆਂ ਚੀਜ਼ਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਹੈ। ਵਿਜ਼ਨ ਨੂੰ ਸੈਂਕੜੇ ਵਰਗਾਂ ਦੀਆਂ ਵਸਤੂਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ: ਫਰਨੀਚਰ ਦੇ ਟੁਕੜੇ, ਬੈਗ, ਸੂਟਕੇਸ, ਛਤਰੀਆਂ, ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਕੱਪੜੇ, ਬੋਤਲਾਂ, ਅਤੇ ਹੋਰ। ਜੇਕਰ ਤੁਹਾਡਾ ਵੀਡੀਓ ਵਿਸ਼ਲੇਸ਼ਣ ਸਿਸਟਮ ਇੱਕ ਮਾਲਕ ਰਹਿਤ ਵਸਤੂ ਦਾ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ ਅਤੇ ਵਿਜ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸਨੂੰ ਪਛਾਣਦਾ ਹੈ, ਤਾਂ ਇਹ ਸੁਰੱਖਿਆ ਸੇਵਾ ਨੂੰ ਇੱਕ ਸਿਗਨਲ ਭੇਜਦਾ ਹੈ। ਇੱਕ ਸਮਾਨ ਕੰਮ ਜਨਤਕ ਸਥਾਨਾਂ ਵਿੱਚ ਅਸਧਾਰਨ ਸਥਿਤੀਆਂ ਦੀ ਆਟੋਮੈਟਿਕ ਖੋਜ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ: ਕੋਈ ਬੀਮਾਰ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ, ਜਾਂ ਕੋਈ ਗਲਤ ਥਾਂ ਤੇ ਸਿਗਰਟ ਪੀਂਦਾ ਹੈ, ਜਾਂ ਕੋਈ ਵਿਅਕਤੀ ਰੇਲ ਤੇ ਡਿੱਗਦਾ ਹੈ, ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ - ਇਹ ਸਾਰੇ ਪੈਟਰਨ ਵੀਡੀਓ ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ ਪਛਾਣੇ ਜਾ ਸਕਦੇ ਹਨ ਵਿਜ਼ਨ API ਦੁਆਰਾ।

2.6 ਦਸਤਾਵੇਜ਼ ਦਾ ਪ੍ਰਵਾਹ

ਵਿਜ਼ਨ ਦੀ ਇੱਕ ਹੋਰ ਦਿਲਚਸਪ ਭਵਿੱਖੀ ਐਪਲੀਕੇਸ਼ਨ ਜੋ ਅਸੀਂ ਵਰਤਮਾਨ ਵਿੱਚ ਵਿਕਸਤ ਕਰ ਰਹੇ ਹਾਂ ਦਸਤਾਵੇਜ਼ ਦੀ ਪਛਾਣ ਅਤੇ ਡੇਟਾਬੇਸ ਵਿੱਚ ਉਹਨਾਂ ਦਾ ਆਟੋਮੈਟਿਕ ਪਾਰਸਿੰਗ ਹੈ। ਬੇਅੰਤ ਲੜੀ, ਨੰਬਰ, ਜਾਰੀ ਕਰਨ ਦੀਆਂ ਤਾਰੀਖਾਂ, ਖਾਤਾ ਨੰਬਰ, ਬੈਂਕ ਵੇਰਵੇ, ਤਾਰੀਖਾਂ ਅਤੇ ਜਨਮ ਸਥਾਨਾਂ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੇ ਰਸਮੀ ਡੇਟਾ ਨੂੰ ਹੱਥੀਂ ਦਾਖਲ ਕਰਨ (ਜਾਂ ਬਦਤਰ, ਦਾਖਲ ਹੋਣ) ਦੀ ਬਜਾਏ, ਤੁਸੀਂ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਸਕੈਨ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਹੀ ਇੱਕ ਸੁਰੱਖਿਅਤ ਚੈਨਲ ਰਾਹੀਂ ਭੇਜ ਸਕਦੇ ਹੋ। ਕਲਾਉਡ ਲਈ API, ਜਿੱਥੇ ਸਿਸਟਮ ਉੱਡਦੇ ਸਮੇਂ ਇਹਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਪਛਾਣ ਕਰੇਗਾ, ਉਹਨਾਂ ਨੂੰ ਪਾਰਸ ਕਰੇਗਾ ਅਤੇ ਡੇਟਾਬੇਸ ਵਿੱਚ ਆਟੋਮੈਟਿਕ ਐਂਟਰੀ ਲਈ ਲੋੜੀਂਦੇ ਫਾਰਮੈਟ ਵਿੱਚ ਡੇਟਾ ਦੇ ਨਾਲ ਜਵਾਬ ਵਾਪਸ ਕਰੇਗਾ। ਅੱਜ ਵਿਜ਼ਨ ਪਹਿਲਾਂ ਹੀ ਜਾਣਦਾ ਹੈ ਕਿ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਕਿਵੇਂ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨਾ ਹੈ (ਪੀਡੀਐਫ ਸਮੇਤ) - ਪਾਸਪੋਰਟ, SNILS, TIN, ਜਨਮ ਸਰਟੀਫਿਕੇਟ, ਵਿਆਹ ਸਰਟੀਫਿਕੇਟ ਅਤੇ ਹੋਰਾਂ ਵਿੱਚ ਫਰਕ ਕਰਦਾ ਹੈ।

ਬੇਸ਼ੱਕ, ਨਿਊਰਲ ਨੈਟਵਰਕ ਇਹਨਾਂ ਸਾਰੀਆਂ ਸਥਿਤੀਆਂ ਨੂੰ ਬਾਕਸ ਤੋਂ ਬਾਹਰ ਸੰਭਾਲਣ ਦੇ ਯੋਗ ਨਹੀਂ ਹੈ. ਹਰੇਕ ਮਾਮਲੇ ਵਿੱਚ, ਇੱਕ ਖਾਸ ਗਾਹਕ ਲਈ ਇੱਕ ਨਵਾਂ ਮਾਡਲ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਬਹੁਤ ਸਾਰੇ ਕਾਰਕਾਂ, ਸੂਖਮਤਾਵਾਂ ਅਤੇ ਲੋੜਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ, ਡੇਟਾ ਸੈੱਟਾਂ ਦੀ ਚੋਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਸਿਖਲਾਈ, ਟੈਸਟਿੰਗ ਅਤੇ ਸੰਰਚਨਾ ਦੇ ਦੁਹਰਾਓ ਕੀਤੇ ਜਾਂਦੇ ਹਨ.

3. API ਓਪਰੇਸ਼ਨ ਸਕੀਮ

ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਵਿਜ਼ਨ ਦਾ "ਪ੍ਰਵੇਸ਼ ਦੁਆਰ" REST API ਹੈ। ਇਹ ਇਨਪੁਟ ਦੇ ਤੌਰ 'ਤੇ ਨੈੱਟਵਰਕ ਕੈਮਰੇ (RTSP ਸਟ੍ਰੀਮ) ਤੋਂ ਫੋਟੋਆਂ, ਵੀਡੀਓ ਫਾਈਲਾਂ ਅਤੇ ਪ੍ਰਸਾਰਣ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ।

ਵਿਜ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਲੋੜ ਹੈ ਸਾਈਨ ਅੱਪ Mail.ru Cloud Solutions ਸੇਵਾ ਵਿੱਚ ਅਤੇ ਪਹੁੰਚ ਟੋਕਨ ਪ੍ਰਾਪਤ ਕਰੋ (client_id + client_secret)। ਉਪਭੋਗਤਾ ਪ੍ਰਮਾਣੀਕਰਨ OAuth ਪ੍ਰੋਟੋਕੋਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। POST ਬੇਨਤੀਆਂ ਦੇ ਸਰੀਰ ਵਿੱਚ ਸਰੋਤ ਡੇਟਾ API ਨੂੰ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ। ਅਤੇ ਜਵਾਬ ਵਿੱਚ, ਕਲਾਇੰਟ API ਤੋਂ JSON ਫਾਰਮੈਟ ਵਿੱਚ ਇੱਕ ਮਾਨਤਾ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਜਵਾਬ ਢਾਂਚਾਗਤ ਹੈ: ਇਸ ਵਿੱਚ ਲੱਭੀਆਂ ਵਸਤੂਆਂ ਅਤੇ ਉਹਨਾਂ ਦੇ ਧੁਰੇ ਬਾਰੇ ਜਾਣਕਾਰੀ ਹੁੰਦੀ ਹੈ।

ਨਮੂਨਾ ਜਵਾਬ

{
   "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
}

ਜਵਾਬ ਵਿੱਚ ਇੱਕ ਦਿਲਚਸਪ ਪੈਰਾਮੀਟਰ ਸ਼ਾਨਦਾਰਤਾ ਹੈ - ਇਹ ਇੱਕ ਫੋਟੋ ਵਿੱਚ ਇੱਕ ਚਿਹਰੇ ਦੀ ਸ਼ਰਤੀਆ "ਠੰਢਾਤਾ" ਹੈ, ਇਸਦੀ ਮਦਦ ਨਾਲ ਅਸੀਂ ਕ੍ਰਮ ਵਿੱਚੋਂ ਇੱਕ ਚਿਹਰੇ ਦਾ ਸਭ ਤੋਂ ਵਧੀਆ ਸ਼ਾਟ ਚੁਣਦੇ ਹਾਂ। ਅਸੀਂ ਸੋਸ਼ਲ ਨੈੱਟਵਰਕ 'ਤੇ ਫੋਟੋ ਨੂੰ ਪਸੰਦ ਕੀਤੇ ਜਾਣ ਦੀ ਸੰਭਾਵਨਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਇੱਕ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਹੈ। ਫੋਟੋ ਦੀ ਕੁਆਲਿਟੀ ਜਿੰਨੀ ਬਿਹਤਰ ਹੋਵੇਗੀ ਅਤੇ ਚਿਹਰਾ ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਮੁਸਕਰਾਏਗਾ, ਓਨੀ ਹੀ ਸ਼ਾਨਦਾਰਤਾ ਹੋਵੇਗੀ।

API ਵਿਜ਼ਨ ਸਪੇਸ ਨਾਮਕ ਇੱਕ ਸੰਕਲਪ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ ਚਿਹਰੇ ਦੇ ਵੱਖ-ਵੱਖ ਸੈੱਟ ਬਣਾਉਣ ਲਈ ਇੱਕ ਸਾਧਨ ਹੈ। ਸਪੇਸ ਦੀਆਂ ਉਦਾਹਰਨਾਂ ਹਨ ਕਾਲੀਆਂ ਅਤੇ ਚਿੱਟੀਆਂ ਸੂਚੀਆਂ, ਵਿਜ਼ਟਰਾਂ ਦੀਆਂ ਸੂਚੀਆਂ, ਕਰਮਚਾਰੀਆਂ, ਗਾਹਕਾਂ, ਆਦਿ। ਵਿਜ਼ਨ ਵਿੱਚ ਹਰੇਕ ਟੋਕਨ ਲਈ, ਤੁਸੀਂ 10 ਸਪੇਸ ਤੱਕ ਬਣਾ ਸਕਦੇ ਹੋ, ਹਰੇਕ ਸਪੇਸ ਵਿੱਚ 50 ਹਜ਼ਾਰ ਤੱਕ PersonIDs ਹੋ ਸਕਦੇ ਹਨ, ਯਾਨੀ 500 ਹਜ਼ਾਰ ਤੱਕ ਪ੍ਰਤੀ ਟੋਕਨ ਇਸ ਤੋਂ ਇਲਾਵਾ, ਪ੍ਰਤੀ ਖਾਤਾ ਟੋਕਨਾਂ ਦੀ ਗਿਣਤੀ ਸੀਮਤ ਨਹੀਂ ਹੈ।

ਅੱਜ API ਹੇਠਾਂ ਦਿੱਤੇ ਖੋਜ ਅਤੇ ਮਾਨਤਾ ਵਿਧੀਆਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ:

• ਪਛਾਣੋ/ਸੈੱਟ - ਚਿਹਰਿਆਂ ਦੀ ਪਛਾਣ ਅਤੇ ਪਛਾਣ। ਹਰੇਕ ਵਿਲੱਖਣ ਵਿਅਕਤੀ ਨੂੰ ਆਟੋਮੈਟਿਕਲੀ ਇੱਕ PersonID ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ, ਵਿਅਕਤੀ ID ਅਤੇ ਲੱਭੇ ਗਏ ਵਿਅਕਤੀਆਂ ਦੇ ਧੁਰੇ ਵਾਪਸ ਕਰਦਾ ਹੈ।
• ਮਿਟਾਓ - ਵਿਅਕਤੀ ਡੇਟਾਬੇਸ ਤੋਂ ਇੱਕ ਖਾਸ PersonID ਨੂੰ ਮਿਟਾਉਣਾ।
• ਟ੍ਰੰਕੇਟ - PersonID ਤੋਂ ਪੂਰੀ ਸਪੇਸ ਸਾਫ਼ ਕਰਦਾ ਹੈ, ਜੇਕਰ ਇਹ ਇੱਕ ਟੈਸਟ ਸਪੇਸ ਵਜੋਂ ਵਰਤੀ ਗਈ ਸੀ ਅਤੇ ਤੁਹਾਨੂੰ ਉਤਪਾਦਨ ਲਈ ਡੇਟਾਬੇਸ ਨੂੰ ਰੀਸੈਟ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਤਾਂ ਉਪਯੋਗੀ ਹੈ।
• ਖੋਜ - ਵਸਤੂਆਂ, ਦ੍ਰਿਸ਼ਾਂ, ਲਾਇਸੈਂਸ ਪਲੇਟਾਂ, ਭੂਮੀ ਚਿੰਨ੍ਹਾਂ, ਕਤਾਰਾਂ, ਆਦਿ ਦਾ ਪਤਾ ਲਗਾਉਣਾ। ਲੱਭੀਆਂ ਵਸਤੂਆਂ ਅਤੇ ਉਹਨਾਂ ਦੇ ਨਿਰਦੇਸ਼ਾਂਕ ਦੀ ਸ਼੍ਰੇਣੀ ਵਾਪਸ ਕਰਦਾ ਹੈ
• ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਖੋਜ - ਰਸ਼ੀਅਨ ਫੈਡਰੇਸ਼ਨ ਦੇ ਖਾਸ ਕਿਸਮ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਦਾ ਪਤਾ ਲਗਾਉਂਦਾ ਹੈ (ਪਾਸਪੋਰਟ, SNILS, ਟੈਕਸ ਪਛਾਣ ਨੰਬਰ, ਆਦਿ ਨੂੰ ਵੱਖਰਾ ਕਰਦਾ ਹੈ)।

ਅਸੀਂ ਜਲਦੀ ਹੀ OCR ਲਈ ਤਰੀਕਿਆਂ, ਲਿੰਗ, ਉਮਰ ਅਤੇ ਭਾਵਨਾਵਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਦੇ ਨਾਲ-ਨਾਲ ਵਪਾਰਕ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ, ਯਾਨੀ ਕਿ ਸਟੋਰਾਂ ਵਿੱਚ ਚੀਜ਼ਾਂ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਆਪਣੇ ਆਪ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਕੰਮ ਵੀ ਪੂਰਾ ਕਰ ਲਵਾਂਗੇ। ਤੁਸੀਂ ਇੱਥੇ ਪੂਰੇ API ਦਸਤਾਵੇਜ਼ ਲੱਭ ਸਕਦੇ ਹੋ: https://mcs.mail.ru/help/vision-api

4. ਸਿੱਟਾ

ਹੁਣ, ਜਨਤਕ API ਦੁਆਰਾ, ਤੁਸੀਂ ਫੋਟੋਆਂ ਅਤੇ ਵੀਡੀਓਜ਼ ਵਿੱਚ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹੋ; ਵੱਖ-ਵੱਖ ਵਸਤੂਆਂ, ਲਾਇਸੈਂਸ ਪਲੇਟਾਂ, ਭੂਮੀ ਚਿੰਨ੍ਹਾਂ, ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ ਪੂਰੇ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਪਛਾਣ ਸਮਰਥਿਤ ਹੈ। ਐਪਲੀਕੇਸ਼ਨ ਦ੍ਰਿਸ਼ - ਸਮੁੰਦਰ। ਆਓ, ਸਾਡੀ ਸੇਵਾ ਦੀ ਜਾਂਚ ਕਰੋ, ਇਸ ਨੂੰ ਸਭ ਤੋਂ ਔਖੇ ਕੰਮ ਸੈਟ ਕਰੋ। ਪਹਿਲੇ 5000 ਲੈਣ-ਦੇਣ ਮੁਫ਼ਤ ਹਨ। ਸ਼ਾਇਦ ਇਹ ਤੁਹਾਡੇ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ "ਗੁੰਮ ਸਮੱਗਰੀ" ਹੋਵੇਗੀ।

ਤੁਸੀਂ ਰਜਿਸਟ੍ਰੇਸ਼ਨ ਅਤੇ ਕਨੈਕਸ਼ਨ 'ਤੇ ਤੁਰੰਤ API ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦੇ ਹੋ। ਵਿਜ਼ਨ. ਸਾਰੇ ਹਾਬਰਾ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵਾਧੂ ਲੈਣ-ਦੇਣ ਲਈ ਇੱਕ ਪ੍ਰਚਾਰ ਕੋਡ ਪ੍ਰਾਪਤ ਹੁੰਦਾ ਹੈ। ਕਿਰਪਾ ਕਰਕੇ ਮੈਨੂੰ ਉਹ ਈਮੇਲ ਪਤਾ ਲਿਖੋ ਜੋ ਤੁਸੀਂ ਆਪਣਾ ਖਾਤਾ ਰਜਿਸਟਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਸੀ!

ਸਰੋਤ: www.habr.com