傳統 AI 的定義是依賴監督學習，即 AI 模型基於標籤的資訊或資料進行訓練。現今的生成式 AI 模型，能夠同時利用監督學習和無監督學習；然而，它們更擅長無監督學習 —— 這意味著該模型無需標籤的資訊，即可辨識資料中的模式和結構。
這種理解未標記資訊的能力，代表著一個關鍵的轉折點 —— 我們正在從訓練影像分析引擎，來辨識特定實例、動作或對象，轉向查詢的解決方案，這種解決方案更加靈活。
海量可搜尋影像串流
在日益互聯的世界裡，我們面臨的挑戰，並非在於在不同領域和環境中，佈署新的感測器，而是如何理解並處理，我們垂手可得的大量資訊。
現代影像分析引擎，能夠有效地提醒我們注意預定義場景，我們預計這將繼續成為監控領域的重要基礎。AGIL Vision 代表著強大的補充解決方案，它如今能夠滿足在意外情況下佈署搜尋的需求。
例如，我們的傳統系統可以從監視清單中，快速辨識已知的「嫌疑犯」；但當面臨在擁擠的商場中，尋找走失兒童的挑戰時，人工干預就變得不可或缺。
AGIL Vision 使安全人員能夠使用簡單的自然語言，查詢來搜尋兒童，無需透過臉部辨識，而是透過諸如服裝顏色、服裝品牌、頭髮長度，或這些排列組合等通用欄位進行搜尋。
這些靈活的搜尋查詢功能，可以擴展到物件（例如搜尋無人看管的行李、失物招領物品，甚至武器）或動作（例如跌倒、打架、奔跑或攀爬），從而創建一個強大的工具，以加快調查速度。
精簡配置，輕鬆佈署
雖然此功能非常適合大型指揮中心環境，但我們已將 AGIL Vision 產品化，打造出小巧但功能強大的產品，方便將其佈署到各種需求（無論大小）的行業和場景中。
我們設想我們的解決方案成為一種革命性的工具，可以佈署在各種用例中，包括安全和監控管理、工作場所安全執法、醫療保健和病患管理、倉儲和物流等等。
0 comments:
張貼留言