پدیده درک عمیق، جهان فناوری اطلاعات را با قدرت محاسباتی خود که در حال حاضر می تواند به طور مناسب در کاربردهای عملی استفاده شود، هیجان زده کرده است، vertina در زمینه استفاده از فناوری در صنعت نظارت و حتی فراتر از آن قرار دارد و در حال حاضر اولین مجموعه از محصولات خود را که قدرت هوش مصنوعی را به کار گرفته اند، منتشر می کند.

عملکرد و مفهوم درک عمیق،از مغز انسان الهام گرفته است. مغز ما می تواند به عنوان یک مدل فراگیر در درک عمیق دیده شود. شبکه عصبی مغز شامل میلیاردها عصب متصل است. درک عمیق این ساختار را شبیه سازی می کند. این شبکه های چند لایه می توانند اطلاعات را جمع آوری کرده و اقدامات مربوطه را بر اساس تحلیل اطلاعات، انجام دهند.
در دو سال گذشته، تکنولوژی در تشخیص گفتار، دید کامپیوتر، ترجمه صوتی و خیلی چیزهای دیگر پیشرفت کرده است. حتی از توانایی های انسانی در زمینه تایید چهره و طبقه بندی تصویر نیز فراتر رفته است. از این رو،این تکنولوژی در زمینه نظارت تصویری برای صنعت امنیتی بسیار مورد توجه قرار گرفته است.
بزرگترین توانایی آن به رسمیت شناختن انسانها است. (برای مثال، آنها را از حیوانات جدا می کند.) این تکنولوژی علاوه بر جنبه امنیتی باعث می شود که این فناوری پیشرفت کند. به ویژه در دنیایی که مطابق با آمار پلیس و آتش نشانی آلارم های دروغین 94 تا 99 درصد از همه آلارم ها را تشکیل می دهند.
درک عمیق چگونه کار می کند
درک عمیق ذاتا متفاوت از الگوریتم های دیگر است. ناکارآمدی الگوریتم های سنتی در جنبه های زیر محصور شده است:

الگوریتم درک عمیق ساختاری بسیار عمیق تر از الگوریتم های سنتی دارد. گاهی اوقات تعداد لایه ها می تواند بیش از صد لایه باشد، و آن را قادر می سازد حجم زیادی از داده ها را در دسته بندی های پیچیده پردازش کند. درک عمیق بسیار شبیه فرآیند درک انسان است و دارای یک فرایند انتزاعی (لایه لایه) است. هر لایه وزنی “متفاوت” خواهد داشت و این وزن براساس آنچه که در مورد اجزای تصاویر یاد گرفته شده است، نشان دهنده ی همان است. سطح لایه بالاتر، مولفه های خاص تر آن است. درست مثل مغز انسان، یک سیگنال اصلی در درک عمیق از طریق لایه های پردازش عبور می کند؛ بعد، آن را از یک تفکر جزئی (کم عمق) به یک انتزاع کلی (عمیق) که در آن می تواند شی را درک کند، می رساند.
درک عمیق به مداخله دستی نیاز ندارد، بلکه به یک کامپیوتر برای تکثیر ویژگیهای خود متکی است. به این ترتیب، این امکان را به بسیاری از ویژگی های هدف می دهد تا آنها را امکان پذیر می کند، از جمله ویژگی های انتزاعی که توصیف آنها مشکل و تقریبا غیرممکن است. ویژگی های بیشتری نیز وجود دارد،که دقیق تر تشخیص و طبقه بندی خواهند شد. برخی از مزایای مستقیم الگوریتم های درک عمیق عبارتند از دستیابی به دقت تشخیص الگوی قابل مقایسه یا حتی بهتر از انسان، قابلیت های ضد تداخل قوی و قابلیت طبقه بندی و تشخیص هزاران ویژگی.
چالش های سیستم های موجود
سیستم های نظارت معمول، اغلب اهداف در حال حرکت را بدون تحلیل تشخیص می دهند. حتی دوربین های هوشمند آی فون تنها می توانند نقاط تک به تک را به شکل یک به یک بسنجند، و این باعث می شود که بعضی از ویژگی ها (به عنوان مثال پیشانی و یا گونه) کالیبراسیون شوند، بنابراین دقت کاهش می یابد.
به عنوان مثال، برای حفاظت از محیط اطراف، دیگر فناوری ها نیز می توانند برای ارائه امنیت جامع تر استفاده شوند. اما همه آنها معایب خود را دارند. آشکارسازهای انتشار مادون قرمز می تواند “پرش” را شناسایی کند، اما همچنان مستعد آلارم کاذب ناشی از حرکت حیوانات است. حصار الکترونیکی می تواند یک خطر امنیتی باشد و در مناطق خاصی محدود شده باشد. بعضی از این راه حل ها می توانند نصبی گران و پیچیده داشته باشند.
چیزهایی چون حیوانات، برگ ها یا حتی نور می توانند آلارم های دروغین ایجاد کند، بنابراین قدرت شناسایی حضور یک انسان واقعا نیاز به بهبود دقت عملکردهای محیطی VCA دارد. آلارم های مکرر همیشه برای کاربرانی که نیاز به صرف وقت برای تحقیق در مورد هر یک از آنها دارند، مشکل ساز هستند و به طور بالقوه در انجام هر گونه پاسخ ضروری باعث ایجاد تاخیر و به طور کلی بر کارایی آنها تاثیر می گذارند.
به عنوان مثال، تصور کنید که محیط موجود نسبتا آرام است.مثلا یک محل در شب که در آن اتومبیل ها و افراد مختلف در اطراف وجود دارند. حتی در یک شب، 50 آلارم نادرست می تواند به وجود آید. فرض بر این است که 2-3 دقیقه طول می کشد تا هشدار دروغین بررسی شود و فقط 3 مورد از 50 مورد توجه بیشتری را جلب کند. به ازای هر دقیقه 15 دقیقه باید سیستم بررسی شود و به هشدار نیز توجه شود، یا کسی باید به محل فرستاده شود و اطراف را بررسی کند، در صورتی که کسی بدون اجازه وارد شده باشد. اکثرا باید گزارش ثبت شده به کل زمان صرف شده در این “هشدار نادرست” اضافه گردد . بنابراین، این 50 هشدار نادرست می تواند بیش از دو ساعت را در هر شب زمانگیر باشد.
درک عمیق، با این حال، یک تفاوت بزرگ را ایجاد می کند. تعداد زیادی از داده های با کیفیت خوب از دوربین ها و منابع دیگر، مانند موسسه تحقیقاتی vertina و بیش از صدها اطلاعات از تیم، برچسب گذاری تصاویر ویدئویی،همچنین داده های نمونه با میلیون ها دسته در بخش صنعت انباشته شده اند . با استفاده از این مقدار زیاد از داده ها درک کافی، مدل های تشخیص الگو های انسان، خودرو و اشیا برای استفاده از نظارت تصویری بیشتر و دقیق تر می شوند.
بر اساس یک سری آزمایشات، تشخیص در راه حل ها با استفاده از الگوریتم درک عمیق، دقت را 38 درصد افزایش می دهد و با استفاده از این الگوریتم در مثال قبلی، صرفه جویی ای برابر با تقریبا یک ساعت در هر شب انجام می گردد. و باعث می شود تکنولوژی درک عمیق، یک مزیت بزرگ در راه حل امنیتی محیطی باشد، که دقتی بسیار بالاتر در نفوذ، ورودی و خروجی فراهم می کند.
استفاده های دیگر
ارزش فناوری درک عمیق بیشتر از امنیت سنتی است. برای مثال، با ردیابی الگوهای حرکتی افراد می توان دید که آیا آنها در حال حرکت هستند و یا تهدید بالقوه ای در آینده برای آنها وجود دارد. آستانه محیطی می تواند به شعاع 5 متر از محل حرکت، و یا ده ثانیه سکون در محل اقامت باشد. اگر فرد از هر کدام از آستانه ها عبور کند، ممکن است هشدار ایجاد شود. این راه حل فرد را ردیابی می کند و این رفتار را با یک پایگاه داده مقایسه می کند تا ببیند که آیا یک الگو را شناسایی می کند یا خیر.
یک برنامه دیگر در این سناریو وجود دارد که در آن”سقوط کردن” می تواند یک تهدید باشد مانند خانه مراقبت از سالمندان. برای مثال، اگر آستانه ارتفاع 0.5 متر و مدت زمان در آن 10 ثانیه تنظیم شده باشد، راه حل قادر خواهد بود سقوط یک فرد را شناسایی کند(زمانیکه او در نقطه زیر 0.5 متر قرار می گیرد) و ممکن است در معرض خطر باشد (اگر برای بیش از 10 ثانیه تنظیم شده باشد). این راه حل از پارامترهای تنظیم شده برای مقایسه با پایگاه داده استفاده می کند.
بوسیله ویژگی ها و مزایایی از این قبیل، به راحتی می توانید ببینید که چگونه بسیاری از برنامه های کاربردی هوشمند می توانند توسط فناوری درک عمیق اجرا شوند.

به طور خلاصه، مرکز تحقیق و توسعه با 10.000 محقق مرزهای راه حل های نظارت را گسترش می دهد و مزایای بیشتری را برای آنها به ارمغان می آورد. هوش مصنوعی دارای توان بالقوه فراوانی است و vertina همیشه روش های جدیدی را برای استفاده از این فن آوری هیجان انگیز در سراسر صنعت امنیتی و فراتر از آن بررسی می کند.
هوش عمیق تر نظارت عمیق تر
راهکارهای فراگیر vertina  در دوربینهای مدل VNC-5225N,VNC-5535SN,VNC,و ………..