En matière de reconnaissance d'objets, les premiers clics seront vers Google ou Microsoft. Et s'ils se battaient pour reconnaître les voitures? Nous avons réalisé une étude en ajoutant le service de détection de voiture biélorusse SpotVision à la liste des joueurs. Qui va gagner?
Commençons par le fait que nous devions résoudre un problème appliqué - identifier les voitures en images, les sélectionner et rapporter les coordonnées des voitures. L'idée, tout d'abord, est apparue pour un usage personnel: trouver et voir rapidement et efficacement des places de parking gratuites dans la cour avant que le conducteur n'y arrive. Plus tard, cette idée est devenue une tâche pour les entreprises - fournir des services supplémentaires aux clients de toute société de stationnement, ainsi qu'aux clients des services de vidéosurveillance.
L'objectif est de reconnaître les voitures dans les images des caméras de vidéosurveillance et de transmettre des informations sous forme schématique à une carte dans une application mobile ou un tableau de bord.
Tout d'abord, nous avons testé Google AI, car nous faisons confiance à de nombreux produits Google sans condition. Et il semblait que pour un monstre aussi grand et influent, la reconnaissance de la voiture serait une mince affaire (elle sera donnée facilement, ce sera facile à faire). Cependant, nous avons été déçus. La reconnaissance Google AI pour les voitures n'est pas très précise. Par conséquent, cela ressemble plus à un PR pour d'autres produits Google qu'à un système de vision par ordinateur de haute qualité.
Pour le premier test, nous avons pris des images bien éclairées à la hauteur et à l'échelle optimales des véhicules. Le lancement d'observation a échoué. Sur plus de 40 voitures, Google AI et seulement 10 voitures.
Test 1. Google AI
Ayant constaté que même la grande reconnaissance des échecs de Google à un niveau aussi banal, nous avons pris le service Microsoft Computer Vision pour comparaison. Nous avons obtenu le résultat suivant.
Test 1. Microsoft Computer Vision
Il y a 6 (!) Voitures au total. Et ça a l'air très triste.
Réalisant que la sphère de l'IA ne fait que commencer à se développer et que notre intérêt sportif ne peut être atténué, nous avons commencé à collecter un ensemble de données sur les voitures et à former notre propre réseau de neurones. Nous avons pris le framework YOLOv3 Darknet comme base. Les expériences ont montré que c'est lui qui crée le moins de problèmes de mise en œuvre. Il traite les images rapidement et applique automatiquement l'augmentation lorsqu'il n'y a pas suffisamment d'images. Après une période d'entraînement intensif, nous disposons d'un réseau neuronal formé basé sur plus de 25 000 images. Pour le moment, nous ajoutons 2500 autres images pour la formation.
C'est ainsi que le système d'IA biélorusse SpotVision Car Detection a fait face à la même tâche.
Test 1. Détection de voiture SpotVision
Comme vous pouvez le constater, la grande majorité des voitures ont été identifiées, et pas seulement dans le parking. Autrement dit, là où l'œil humain peut facilement voir une voiture, le système SpotVision fait un excellent travail.
Compliquons la tâche et prenons une vue nocturne. Du point de vue de la pertinence de l'application, il est plus difficile pour les conducteurs de trouver une place de parking gratuite la nuit en raison d'une mauvaise visibilité et d'un grand nombre de voitures déjà garées. Par conséquent, la discrimination nocturne est la plus précieuse.
C'est ce que Google a donné en conséquence.
Test 2. Google AI
Et une version similaire de Microsoft
Test 2. Microsoft Computer Vision
Autrement dit - zéro complet et l'absence de tout signe de voitures dans l'image.
Comparons les résultats du système de reconnaissance des machines SpotVision.
Test 2. Détection de voiture SpotVision en
marche. Le plus souvent, des caméras de vidéosurveillance sont installées aux étages supérieurs des immeubles à plusieurs étages. Cela fournit la plus grande couverture visuelle de l'aire de stationnement avec une seule caméra. Cela réduit le coût des services de vidéosurveillance pour l'équipement et l'installation. Le cas le plus fréquent et le plus demandé étant la reconnaissance de voitures dans les cours des complexes résidentiels et des centres d'affaires, nous avons également entrepris de l'analyser en trois systèmes.
Test 3. Test de Google AI
3. Test de vision par ordinateur Microsoft
3. Détection de voiture SpotVision Mettons
maintenant la question en blanc: comment les systèmes font-ils face si l'image montre une voiture entière et que les bords des voitures adjacentes sont capturés?
Test 4. Test de Google AI
4. Microsoft Computer Vision
Test 4. Détection de voiture SpotVision
Selon les résultats, Google AI a trouvé 4 objets dans l'image, et trois d'entre eux sont des roues, pas des voitures entières. Microsoft Computer Vision a identifié 2 voitures. Spotvision a reconnu 4 véhicules dans leur ensemble et une roue séparément. Le système de reconnaissance automobile biélorusse a fait face à la tâche avec une petite erreur, mais plus complètement.
Il est intéressant de savoir ce que les systèmes encercleront là où il n'y a pas de signes évidents de la voiture, sur lesquels les systèmes de reconnaissance reposent le plus souvent - c'est le contour habituel de la voiture et le contour des roues.
Test 5. Test Google AI
5. Test Microsoft Computer Vision
5. Détection de voiture SpotVision
Étonnamment, les trois services ont identifié la voiture avec précision, seule Google AI a également réagi à la roue ou aux tourbillons de fumée colorée, l'entourant d'un rectangle.
La pluie et le brouillard sont une autre complication naturelle de la reconnaissance. Ils réduisent la clarté de l'image et peuvent masquer les objets de la vision par ordinateur.
Test 6. Test de Google AI
6. Test de Microsoft Computer Vision
6. Détection de voiture SpotVision
Google AI et SpotVision Car Detection ont obtenu les meilleurs résultats, bien qu'ils aient perdu de vue deux voitures qui se déplaçaient au loin. Microsoft Computer Vision a manqué une machine, et sur les quatre évidentes, n'en a encerclé que trois.
Donc, deux tests de contrôle avec le nombre maximum de véhicules indiqués. Le test 7 montre 46 véhicules.
Test 7. Test de Google AI 7.
Test de Microsoft Computer Vision
7. Détection de voiture SpotVision
Sur 46 voitures sur la photo, Google AI a trouvé 11 voitures, Microsoft Computer Vision - 30 voitures et a encerclé par erreur le panneau sur le poteau, et SpotVision a trouvé 46 voitures.
Continuons avec des exemples où il y a beaucoup de voitures. Modifiez l'angle de vue.
Test 8. Test de Google AI
8. Test de vision par ordinateur Microsoft
8. Détection de voiture SpotVision Nous ajoutons des
images de chantiers réels en tenant compte des changements saisonniers. Dans la variante ci-dessous, c'est l'hiver et la neige. Comme vous pouvez le voir, les plaques décongelées et les endroits où des voitures sont parties peuvent être reconnus à tort comme des voitures. Et aussi les voitures sous la neige deviennent invisibles aux systèmes de vision par ordinateur.
Test 9. Google AI
Test 9. Microsoft Computer Vision
Test 9.SpotVision Car Detection
La même vue, uniquement en mode nuit.
Test 10. Test de Google AI
10. Test de Microsoft Computer Vision
10. Détection de voiture SpotVision
Il s'avère que Google AI et Microsoft Computer Vision fonctionnent avec un plus large éventail de tâches, mais ont subi un échec absolu dans la détection de voiture. La plupart des cas ont échoué complètement ou partiellement, certains ont été reconnus par des transferts. Par conséquent, ils ne conviennent pas aux entreprises qui souhaitent étendre leurs capacités grâce à l'intégration avec des services d'IA. Dans le même temps, le service bélarussien de détection de voitures SpotVision a fait face à 98% des tâches assignées et est prêt pour une application en temps réel.
Si vous souhaitez tester chaque service vous-même, voici les liens
Google AI
Microsoft Computer Vision
Spotvision Car Detection