FAQ - Dutch
All Categories Telraam S2 Classificatie van objecten met Telraam S2

Classificatie van objecten met Telraam S2

Onze Telraam S2-sensor kan tien verschillende categorieën weggebruikers onderscheiden.

Onze Telraam S2-sensor kan tien verschillende categorieën weggebruikers onderscheiden:

  1. Fiets

  2. Bus

  3. Auto

  4. Lichte vrachtwagen

  5. Motorfiets

  6. Voetganger

  7. Kinderwagen

  8. Tractor

  9. Aanhangwagen

  10. Vrachtwagen

Deze tien modi zijn beschikbaar voor gebruikers met een Data of Netwerk abonnement. Gebruikers zonder abonnement hebben gratis toegang tot tellingen die zijn samengevoegd in de vier klassieke Telraam-klassen: voetgangers (voetgangers + wandelwagens), tweewielers (fietsen en motorfietsen), auto's, en zware voertuigen (alle overige klassen).

In tegenstelling tot onze eerdere - op Raspberry Pi gebaseerde - Telraam V1 unit, zorgt Telraam S2 onmiddellijk voor de classificatie van de gedetecteerde objecten, zodat we dit niet meer als een post-processing stap op de Telraam servers hoeven te doen. Eigenlijk gebeurt objectdetectie en classificatie nu tegelijkertijd en het wordt gedaan door een kunstmatige intelligentie (AI) chip.

Zonder in technische details te treden, volgt hier een eenvoudige uitleg van wat AI is en hoe het werkt:

Kunstmatige intelligentie is (een bepaald niveau van) intelligentie - waarnemen, synthetiseren en afleiden van informatie - gedemonstreerd door machines. De AI in Telraam S2 is getraind om verschillende soorten weggebruikers te kunnen identificeren, met behulp van een algoritme voor machinaal leren dat werd gevoed met een groot aantal beelden, die elk al door een mens waren gecategoriseerd. Tijdens dit proces analyseert de AI deze beelden en zoekt naar patronen, om een concept - of model - op te bouwen dat onderscheid kan maken tussen de verschillende ingevoerde categorieën. Wanneer de AI meer en meer trainingsgegevens krijgt, kan hij ongeziene weggebruikers steeds nauwkeuriger identificeren.

Om een menselijke analogie van dit proces te geven, zou je de AI kunnen zien als het brein van een jong kind. Een klein kind leert over auto's door te kijken naar (foto's van) objecten die door de ouders als auto's worden geïdentificeerd, en na verloop van tijd bouwen de hersenen een concept op van wat een auto is. Dit concept bestaat uit kleuren, vormen, maten, plaatsen van voorkomen, enz. Wanneer dit concept een bepaalde rijpheid heeft bereikt, zal dit kind met succes een voorwerp dat het nog nooit eerder heeft gezien, identificeren als een auto, omdat zijn hersenen nu in staat zijn patronen of eigenschappen te herkennen die overeenkomen met hun concept van een auto. AI heeft net als een kind training nodig: door één plaatje van een auto te laten zien, zal een kind niet leren wat een auto is, maar door steeds meer auto's te laten zien, zullen de hersenen het concept steeds beter gaan begrijpen. Bij machinaal leren heet dit proces "het AI-model trainen met geannoteerde gegevens".

Niettegenstaande de overstap naar een AI-classificator en het verhogen van het aantal afzonderlijke modi van vier naar tien duidelijke voordelen heeft, brengt dit ook nieuwe uitdagingen met zich mee. Een daarvan is de dubbelzinnigheid van de classificatie van weggebruikers die enigszins tussen deze klassen in zitten, of die atypische varianten zijn van een klasse, en van objecten die buiten de door ons gedefinieerde tien klassen vallen. Het is bijvoorbeeld erg moeilijk voor de AI om te beslissen of kleine bromfietsen of grote elektrische fietsen moeten worden geclassificeerd als fietsen of motoren, omdat de grens tussen deze klassen niet kristalhelder is. Voor weggebruikers die strikt genomen buiten onze tien klassen vallen, is de kans groot dat ze toch op de een of andere manier worden geclassificeerd. Iemand die bijvoorbeeld een elektrische scooter gebruikt, zal waarschijnlijk worden geclassificeerd als voetganger, omdat zijn visuele voorkomen het meest lijkt op dat van een voetganger. Sommige beslissingen zouden zelfs voor een mens moeilijk zijn: in welke klasse moet een grote riksja vallen? Of een elektrische rolstoel?

Een manier om het Telraam S2 in de toekomst nog beter te maken is om de AI te voeden met meer trainingsgegevens om bijvoorbeeld de verschillen tussen specifieke vergelijkbare klassen te verfijnen. Nieuwe AI-modellen kunnen worden geïntroduceerd met toekomstige firmware-updates.

Was this article helpful?

Thanks for your feedback!