ISS добавила важные функции в SecurOS перед главным обновлением

Логотип компании
12.07.2019
ISS добавила важные функции в SecurOS перед главным обновлением
До официального выхода SecurOS 10.3 остаются всего 3 недели, но компания ISS представила промежуточный релиз с важными обновлениями видеоаналитических модулей распознавания лиц и распознавания автомобильных номеров.

Несмотря на то, что до официального выхода SecurOS 10.3 остаются всего 3 недели, компания ISS – Интеллектуальные Системы Безопасности представила промежуточный релиз с важными обновлениями видеоаналитических модулей распознавания лиц и распознавания автомобильных номеров.

Теперь модуль распознавания автомобильных номеров оснащен локализатором номерных пластин на основе сверточных нейронных сетей (NN-локализатором). Новый компонент повысит точность распознавания номеров в условиях малого количества символов на номерной пластине и при большом количестве посторонних надписей на транспортном средстве.

Функционал нового нейросетевого модуля распознавания лиц SecurOS FaceX дополнен возможностью детектировать подмену лица распечатанной фотографией или изображением с мобильного устройства. При обнаружении подмены FaceX выдаст соответствующее оповещение оператору.

Также добавлено несколько функций, улучшающих режим многофакторной аутентификации для интегрированных СКУД.

R&D-центр Intel в Нижнем Новгороде обеспечил Лаборатории нейросетевых технологий ISS встроенную поддержку технологии Intel OpenVINO, которая позволит использовать ресурсы центрального процессора и встроенных графических процессоров Intel HD Graphics достаточно эффективно при отсутствии дискретных графических ускорителей. При этом для высоконагруженных применений выпущена отдельная версия нейросетевых модулей с поддержкой графических ускорителей NVIDIA.

Помимо этого, с некоторыми инструментами ISSR можно также ознакомиться в репозитории ISSResearch на GitHub.

Так, например, командой Лаборатории разработан набор размеченных изображений для конвертации форматов «датасетов». Инструменты конвертации позволяют разработчикам использовать большинство существующих датасетов для обучения нейросетей в различных средах разработки (фреймворках). Размеченные изображения самых популярных форматов (ADE20K, CVAT, CITYSCAPES, Open Images Dataset, VOC) можно переводить в формат COCO, который используется Лабораторией в качестве базового. Далее датасет может быть конвертирован в форматы, пригодные для обучения нейросетей, во фреймворках Caffe, TensorFlow (Tensorflow Object Detection API), MXNet (Gluon), Caffe2 (Detectron), а также в формат VOCCALIB, который поддерживается Intel OpenVINO.

Среда конвертации размещена в открытом репозитории ISS на GitHub в разделе Dataset Converters.

Похожие статьи