Сопоставление фотографии и ИК-изображения человека.Изображение: M. Saquib Sarfraz, Rainer Stiefelhagen / Institute of Anthropomatics & Robotics Karlsruhe institute of Technology Karlsruhe
Ученые из Технологического института Карлсруэ разработали алгоритм, способный опознать человека по инфракрасному изображению низкого расшерения. Результаты исследования опубликованы на сайте arXiv.org, с кратким описанием можно ознакомиться в MIT Technology Review.
Человеческое лицо может выглядеть абсолютно по-разному в инфракрасном диапазоне в зависимости от температуры воздуха и кожи. К тому же, большая часть камер, оборудованных инфракрасными матрицами, выдают изображение низкого разрешения. Для решения этой задачи исследователи использовали глубинное обучение нейросети.
Создатели обчили нейросеть на базе изображений Университета Нотр-Дам. В базе были данные по 82 людям, 4585 изображений среди которых были обычные фотографий разрешением 1600x1200 и инфракрасные изображения разрешением 312x239. При этом снимки были сделаны в разные времена года и люди вели на разных фотографиях себя по-разному: улыбались, смеялись, наклоняли голову и тому подобное. Исследователи посчитали, что в таких условиях алгоритм сможет лучше распознавать человеческое лицо вне зависимости от того, в какой момент получено ИК-изображение.
В итоге ученые использовали данные половины базы, по 41 человеку, чтобы натренировать нейросеть. Вторую группу изображений авторы работы использовали для проверки функционирования нейросети. В итоге алгоритм показал точность распознавания на 10% выше, чем в результатах аналогичных работ, при этом на распознавание человека у машины уходит всего 35 миллисекунд.Подобные исследования могут в будущем помочь опознавать на улицах преступников через системы наружного видеонаблюдения, в которых используются инфракрасные сенсоры низкого разрешения. В области обучения нейросетей также активно ведут работы специалисты ведущих IT-корпораций. Исследователи Facebook, например, научили компьютер распознавать людей со спины, а в Google «развернули» алгоритм распознавания изображения, создав нейросеть, которая искажает фотографии до неузнаваемости
Как только табак попал из Америки в Европу, курение стали активно
применять в качестве лекарства от самых разных болезней. Вдыхание
табачного дыма в лёгкие не было единственным способом употребления,
популярным методом лечения стали также табачные клизмы, причём такую
процедуру европейцы переняли от индейцев. Самое широкое применение эти
клизмы нашли для спасения утопающих — якобы, проникающий во внутренние
органы дым согревал их и возвращал человека к жизни. Инструменты для
проведения такой процедуры были в обязательном порядке включены в
спасательные наборы, расставленные вдоль пляжей Темзы. Использование
табачных клизм постепенно сошло на нет в течение XIX века, когда стали
появляться доказательства ядовитости никотина.
Математики из США придумали новое определение хаоса и разработали набор формул, основанных на принципе так называемой энтропии расширения, который позволяет просчитывать работу хаотических систем при помощи компьютера и оценивать силу знаменитого "эффекта бабочки" в них.
© Фото: UMD Chaos Group
Американские математики разработали принцип и набор формул, основанных на принципе так называемой энтропии расширения, который позволяет просчитывать работу хаотических систем при помощи компьютера и оценивать силу "эффекта бабочки" в них, говорится в статье, опубликованной в журнале Chaos.
Термин "эффект бабочки" был изобретен известным математиком и метеорологом Эдвардом Лоренцом в 1961 году, когда он пытался просчитать погоду на несколько дней. Ученый обнаружил, что малейшие изменения в изначальных условиях расчетов очень сильно меняют их результат, причем делают это малопредсказуемым и непросчитываемым образом.
Сам Лоренц сравнивал подобные изменения с тем, как взмах крыла чайки или бабочки в одном уголке Земли может кардинальным образом поменять погоду на один день, неделю или более долгое время в другой части планеты. Так родилась современная математическая теория хаоса, описывающая поведение подобных нелинейных систем.
Брайан Хант и Эдвард Отт из университета Мэриленда в Колледж-Парке (США) разработали набор формул и принципов, позволяющих предсказать эволюцию хаотических систем и оценить последствия "эффекта бабочки", используя свое собственное определение хаоса.
В его основе лежит понятие так называемой энтропии расширения – разработанной Хантом и Оттом математической концепции, отражающей то, как быстро меняется скорость, с которой увеличивается объем моделируемой хаотической системы и как быстро она выходит за некие заданные изначально рамки.
Помимо этого, модель хаоса Ханта и Отта учитывает в себе влияние внешних факторов на работу системы уже после того, как она стартовала, что позволяет более точно предсказывать поведение реальных объектов мира, постоянно взаимодействующих с окружающей средой.
И то и другое, как подчеркивают ученые, достаточно легко просчитать, что позволяет определить, является ли та или иная моделируемая система хаотичной по своей природе, и оценить то, насколько сильны будут "эффекты бабочки" в ней.
Данные формулы, как надеются математики, помогут астрономам точнее предсказывать поведение планет в хаотически устроенных звездных системах, метеорологам – научиться по настоящему предсказывать погоду, а медикам – создать надежные водители ритма сердца.
