Meio Bit » Arquivo » Robótica e IA » Para desespero da Sarah Connor, um algoritmo de identificação de imagens, sem input humano

Para desespero da Sarah Connor, um algoritmo de identificação de imagens, sem input humano

Cada dia que passa — para o bem ou para o mal — os robôs de verdade se tornam mais parecidos com os do cinema. Desta vez, um grupo da Universidade Brigham Young desenvolveu um algoritmo genético de reconhecimento de imagens que aprende sem intervenção humana, chegando a 100% de precisão em alguns casos. Sorte de nossas câmeras de segurança, azar da Sarah Connor.

10 anos atrás

terminator-5-sarah-connor-actress

No cinema robôs assassinos escaneiam o ambiente identificando tudo, achando pistas e perseguindo humanos. Mesmo um Obsoleto T-800 é capaz de escanear um sujeito e determinar o tamanho das roupas dele. Na vida real processamento de imagem exige não só muito processamento, mas algoritmos cascudos.

Detecção de movimentos é tranquilo, qualquer software de webcam faz isso, o que complica é quando o computador precisa entender o que é que está se movendo. Diferenciar entre um cachorro, um humano e um humano de quatro fingindo ser um cachorro para enganar a versão 1.0 do sensor.

Normalmente algoritmos de detecção precisam ser adestrados. Você tem que dizer o quê ele deve procurar, e se for um software de identificação, aonde. Quer dizer, precisavam, agora robôs podem aprender sozinhos a identificar objetos, graças a uma pesquisa de  Dah-Jye Lee, da Universidade Brigham Young.

Desde 2004 Diretor do Laboratório de Visão Robótica da Universidade, Dr Lee e sua equipe criaram um algoritmo genético, através do qual imagens são alimentadas no sistema, e quanto mais imagens, mais preciso ele fica. Lee explica que é como ensinar a diferença entre cães e gatos para uma criança. Você mostra uma série de imagens de um e de outro, e deixa a criança aprender sozinha.

Alimentado com datasets dos arquivos da Universidade, o algoritmo conseguiu identificar rostos, motos, aviões e carros com 100% de eficiência. Os melhores sistemas atuais mal chegam a 98%, e isso depois de treinamento com humanos.

Testaram com imagens do Departamento de Biologia, e conseguiram identificar espécies diferentes de peixes com 99,4% de eficiência. Isso vai muito além das minhas habilidades, não consigo identificar nem a diferença entre uma Cocoroca e um Papacu-rasteiro.

T-vision

Fonte: BYU.

Leia mais sobre: , , , , .

relacionados


Comentários