Parastina saxlemîyê
Tespîtkirina Serxweşiyê Bi Analîza Fêrbûna Makîne ya Çavan
Lekolînwanên ji Almanya û Şîlî çarçoveyek fêrbûna makîneyê ya nû pêş xistine ku karibe binirxîne ka kesek serxweş e, li ser bingeha wêneyên nêzîkê infra-sor ên çavên wan.
Ew lêkolîn armanc ew e ku pergalên wextê rast pêşkeftina 'fitness ji bo peywirê' ku karibe amadebûna kesek ji bo pêkanîna karên krîtîk ên wekî ajotinê, an xebitandina makîneyan binirxîne, û dedektorek nûjen û xêzkirî-perwerdekirî bikar tîne ku dikare mijarek kesane bike. hêmanên çavan ji wêneyek yekane û wan li hember databasek ku dîmenên çavê serxweş û neserxweş dihewîne binirxînin.
Hûn Tenê Carekê Dinêrin (YOLO) çavên mijarê ferq dike, pişt re çarçove mînakan ji hev vediqetîne û dabeşkirinê pêk tîne da ku wêneyê çavan bike beşên wê yên pêkhatî.. Çavkanî: https://arxiv.org/pdf/2106.15828.pdf
Di destpêkê de pergal bi You-Only-Look-Once wêneyek her çavek digire û yek dikeYOLO) çarçoweya tespîtkirina objeyan. Piştî vê yekê, du torên xweşbînkirî têne bikar anîn da ku wêneyên çavan li herêmên semantîkî hilweşînin - ya Cross Criss tora balê (CCNet) ku di sala 2020-an de ji hêla Zanîngeha Zanist û Teknolojiyê ya Huazhong ve hatî berdan, û DenseNet10 algorîtmaya dabeşkirinê, di heman demê de ji hêla çend lêkolînerên kaxeza nû ve li Şîlî ve hatî pêşve xistin.
Segmentasyon ji wêneyên çavên infra-sor ên nêzîkê têne wergirtin. Çavkanî: https://www.researchgate.net/publication/346903035_Towards_an_Efficient_Segmentation_Algorithm_for_Near-Infrared_Eyes_Images#pf6
Du algorîtma bi rêzê ve tenê 122,514 û 210,732 parametreyan bi kar tînin - lêçûnek erzan, li gorî hin taybetmendiyên mezin ên di modelên mîna hev de, û meyla giştî ber bi cildên bilindtir ên daneyê di çarçoweyên ML-yê de vedigire.
Database of the Drunk
Ji bo ku çarçoweya fêrbûna makîneyê agahdar bikin, lêkolîner danegehek orîjînal ku tê de 266 mijarên serxweş û 765 mijarên hişyar hene, pêşve xistin.
Nimûneyên ji databasa hatine bidestxistin yên mijarên serxweş û neserxweş.
Pêwîst bû ku mijar li ber du kamerayên Iritech ên orîjînal, rêza Gemini/Venus rawestin, ku rû bi rû bi cîhazê bibin, û bi hişyarî bêne tomar kirin. Piştî vê yekê wan 200 ml alkol vexwar, û di navberên 15 hûrdeman de ji nû ve hatin girtin ji ber ku asta wan a alkola xwînê bilind bû, heya rûniştina dawî ya 60 hûrdem piştî vexwarina alkolê.
Vê yekê 21,309 wêne hilberandin, ku paşê bi karanîna pirtûkxaneya Python ve hatin şîrove kirin imgaug.
Amadekirina Daneyên ji bo Cîhana Rastî
Ew ne xebatek pir otomatîk bû, tevî amûrên pêşkeftî yên bikar anîn - nîşankirina destan a wêneyên çavan ji hêla lêkolîneran ve wekî 'pêvajoyek pir daxwaz û demdirêj' hate binav kirin, û girt. ji salekê zêdetir.
Daneyên bi tundî bi rêzek rêbazên ku ji bo xirakirin û dijwarkirina pergalê hatine çêkirin, dubarekirina şert û mercên cîhana rastîn ên muhtemel, di nav de fêkiyên berfê, dengê Poisson (ji bo simulkirina xerakirina senora kêm-ronahiyê), şelandin, rijandin û bandorên baranê hatine zêdekirin. Ji xeynî vê, karanîna girtina infra-sor hewcedariya şert û mercên ronahiyê yên îdeal ji holê radike, ku di bicîhkirina aborî û pratîkî de nayê garantî kirin.
Vê xebata dijwar di dawiyê de bi asta 98,60% rastbûna ji bo girtina çav û dabeşkirinê berdêl da.
Parçekirina Iris bi rêbaza herî kêm-navgîn-çargoşe.
testkirina
Çarçoveya dabeşkirinê bi pênc platforman hate ceribandin: Osiris, DeepVOG, DenseNet10 (li jor binêre), CCNet (li jor binêre), û Grand-Mean. Di hemî rewşan de, vekolîn encamên serketî destnîşan kir ji bo girêdana dilopkirina şagirdan bi asta serxweşiyê re, her çend nêzîkatiyek hîbrîd ku DenseNet û CCNet bikar tîne ya herî bi bandor îsbat kir.
Lekolînwan pêşbîn dikin ku xebata wan di dawiyê de dikare di nav senzorek Irisê ya standard NIR de were vehewandin, û destnîşan dikin ku hewildana Herculean ya hilberîna databasa çavê serxweş a beşdar ji vê sektora lêkolîna biyometrîkî re feydeyek muhtemel e.
Testkirina Serxweşiya Serfkaran û Pîşesaziyê Bi Nirxandina Çavan
Lêkolîna nû li ser hin edebiyata berê ya berbiçav ava dibe, di nav de kaxezek girîng a 2015-an ji lêkolînerên li Brezîlya û Dewletên Yekbûyî, ku rêbazek birêkûpêk û maqûlkirî ya nirxandina serxweşiya ji bersiva xwendekaran pêşniyar kir. Lekolînwanan ji bo wê kaxezê dît ku alkol karbidestiya mêjî kêm dike û dîtina şevê bi faktorek 25%, û dema reaksiyonê bi% 30 kêm dike, digel astên dijwariyê li gorî asta tolerasyona kesane.
Çavkanî: https://pixellab.group/publication/2015/pinheiro2015/pinheiro2015.pdf
Pirsgirêka bingehîn ji bo belavkirina teknolojiyên weha veguheztin e. Di destpêka 2003 de, pargîdaniya lêkolînê ya UK Hampton Knight pêşkêş kirin pergalek ji bo nirxandina serxweşiyê bi analîza çavan - her çend di wê demê de 10,000 sterlîn lêçû.
Pêşînek 2012 xwendina zanko ji New Delhi û Dewletên Yekbûyî jî îhtîmala karanîna teknîkên AI-ya sîstematîkî vekolîn kirin da ku ji dîmenên çavan jimareyek serxweşiyê derxînin, her çend ji lêkolîna heyî kêmtir serketî be. Wê lêkolînê di heman demê de danehevek hêja (IITD Iris Under Alcohol Influence) jî beşdarî xebata di vî warî de kir.
Lêbelê, nûbûnên vê dawîyê yên di jimartina qeraxê de û çavkaniyên hardware fêrbûna makîneya desta ya xweşbînkirî, qadê ji bo sepanên pir zêde yên mobîl ên kontrolên pêş-çalakiyê yên ji bo serxweşbûnê vedike, tevî senzorên di otomobîlê de ku bi potansiyel dikarin kontrolên irisê li rêbazên heyî yên balkêş zêde bikin. ji bo Ewlehiyê Pergala Tespîtkirina Alkolê ya Ajofêr (DADSS) çarçoveyek ku li Dewletên Yekbûyî hatî pêşve xistin - ku heya îro xwe dispêre senzorên çerm-alkolê û nirxandina hewaya hundurê wesayîtê ji bo hilma alkolê.
A 2020 nûçe Tê texmîn kirin ku pejirandina teknolojiyên bi vî rengî tenê li Dewletên Yekbûyî yên Amerîkayê dikare salê 11,000 jiyanan xilas bike.
