Deep Learning چیست و چه کاربردی در نظارت تصویر دارد؟

یادگیری عمیق ( Deep Learning ) چیست و چه کاربردی در نظارت تصویر دارد؟  

در گذشته اکثر کاربران دوربین های مداربسته به آنالیز تصویر تشخیص حرکت (Detection Motion) اتکاء می کردند. در این نوع آنالیز تصویر، دوربین مداربسته در صورت تشخیص تغییر قابل توجه در پیکسل های تصویر، پیام هشدار را به کاربر ارسال می کرد. اما با پیشرفت هوش مصنوعی قابلیت های مبتدی همانند تشخیص حرکت در حال منسوخ شدن می باشد

در این مقاله می خواهیم نگاهی به فناوری یادگیری عمیق بیندازیم. فناوری نوینی که در ماه های آینده در چندین محصول از برند یونی ویو، ارائه خواهد شد. اما Deep Learning چیست و چرا اهمیت دارد؟

یادگیری عمیق نوعی هوش مصنوعی است که به دوربین مداربسته امکان طبقه بندی اشیائی همانند انسان ها، حیوانات، وسایل نقلیه و غیره را می دهد. براساس این طبقه بندی دوربین مداربسته می تواند با توجه به تحرکاتی که ثبت می کند، تصمیماتی آگانه گرفته و فعالیت های مهم را از اطالعات غیرضروری، تمایز دهد. یادگیری عمیق تعداد پیام های هشدار خطا (Alarm False ) را کاهش داده و از این جهت در مصرف حافظه ذخیره سازی صرفه جویی می کند. همچنین این تکنولوژی اعالن های هشدار آزار دهنده را به حداقل رسانده و سیستم نظارت تصویر شما را بهینه تر می کند.

Learning Machine چیست؟ 

اجازه دهید کمی بیشتر در مورد تکنولوژی یادگیری عمیق صحبت کنیم. به احتمال زیاد قبلا نام این تکنولوژی را در دنیای دوربین مداربسته شنیده اید و قطعا در آینده نیز بارها نام آن را خواهید شنید. بنابراین درک آن از اهمیت باالیی برخوردار است. هوش مصنوعی رشته تحصیلی گسترده ایست، اما با توجه به هدف این مقاله ما تنها به یک زیرمجموعه از هوش مصنوعی عالقه مند هستیم: یادگیری ماشین (Learning Machine ) یادگیری ماشین با استفاده از هوش مصنوعی، حجم عظیمی از داده ها را با هدف شناخت الگوها و یادگیری از این الگوها، بررسی می کند.

فرض کنید می خواهیم به یک دوربین مداربسته آموزش دهیم که چگونه فرق بین انسان ها و وسایل نقلیه موتوری و غیر موتوری را تشخیص دهد. می توانیم این کار را از طریق یادگیری ماشین انجام داده و اطالعات مورد نیاز برای شناسایی اشیاء را به صورت دستی به دوربین بدهیم. برای مثال می توانیم برای دوربین برنامه ای بنویسیم تا ویژگی های منحصر به فرد انسان ها و وسایل نقلیه موتوری و غیر موتوری را تشخیص دهد. می توان برای دوربین تعیین کرد که باید به دنبال چه ابعاد و اشکالی باشد و یا اینکه هر کدام از این اشیاء چه سرعتی داشته و از چه اجزایی تشکیل شده اند. از این طریق ، ماشین می تواند یاد بگیرد که چگونه بین حرکت انسان، حرکت وسیله نقلیه و سایرتحرکاتی که باید نادیده گرفته شوند، تفاوت قائل شود.

اما از آنجایی که یادگیری ماشین وابسته به انسان های خطاپذیر است، محدودیت های خود را دارد. به طور مثال حجم اطالعات داده شده به دوربین محدودیت و سقفی خواهد داشت. 
اما اگر این پروسه را برعکس کنیم چه اتفاقی می افتد؟ آیا می توانیم به ماشین خروجی دلخواهمان را بدهیم و بگذاریم تا خودش باقی مسائل را تحلیل کند؟ بله، می توان چنین کاری را انجام داد و نام این تکنولوژی یادگیری عمیق است.

Deep Learning چیست؟ 

یادگیری عمیق به جای اینکه به دوربین بگوید دنبال چه چیزهایی باشد، حجم عظیمی از تصاویر برچسب گذاری شده را به دوربین داده و سپس به دوربین اجازه می دهد تا تصاویر را بررسی کرده و دریابد که باید به دنبال چه ویژگی هایی بگردد. به طور مثال فرض کنید می خواهیم به دوربین آموزش دهیم که دنبال افراد بگردد. در این حالت تنها کاری که باید انجام دهیم این است که چند تصویر مختلف از انسان ها را به دوربین نشان دهیم. افرادی با قد، سایز ، رنگ و ژست مختلف.

در یادگیری ماشین، تنها می توان حجم محدودی از داده را به دوربین وارد کرد. بنابراین بعد از مدتی عملکرد دستگاه ثابت شده و دیگر پیشرفت نمی کند. اما در یادگیری عمیق، هرچه تصاویر بیشتر به دوربین نشان بدهید، دوربین بیشتر یاد گرفته، هوشمند تر شده و عملکرد بهتری خواهد داشت.