Puede construir un detector de equipaje y persona utilizando el enfoque de red neuronal convolucional regional (R-CNN) o los detectores basados en YOLO (solo se ve una vez). La idea es que si se detecta un equipaje debe haber un humano cerca, por lo que un detector de equipaje abandonado solo necesita buscar el equipaje sin humanos cerca.
Los detectores de objetos como YOLO proporcionan la escala y el cuadro delimitador de los objetos detectados, por lo que el sistema puede tener en cuenta los centros y las escalas del cuadro delimitador para comparar la cercanía entre el ser humano detectado y el equipaje. Luego debe aplicarse un umbral al puntaje de cercanía para activar la bandera de equipaje abandonada.
El problema es que esto se dispararía cada vez que una persona se aleje temporalmente del equipaje para que podamos agregar un retraso de tiempo antes de que la bandera de equipaje abandonada pueda activarse, alertando al personal para que atienda ese equipaje.
- ¿Cómo se hizo Wolfram Alpha? ¿Como funciona? ¿Cómo calcula el conocimiento no estructurado?
- ¿Por qué los marcos de aprendizaje automático convergen con diferentes resultados de precisión al comparar entre diferentes procesadores?
- Como ingeniero de software experimentado, ¿en qué área (IA, big data, aprendizaje automático, aprendizaje profundo o recuperación de información) debería centrarme en mi futura carrera?
- ¿Cómo nos aseguramos de tener control sobre la IA?
- Según las leyes de robótica de Isaac Asimov, "los robots no pueden dañar a los humanos". Entonces, ¿por qué se permiten robots en el ejército?
Espero que esto ayude.