機器學習乾貨君|原創
》》》論文pdf位於文末》》》
Source: Zhao et al. CVPR 2018
WiFi 訊號無時不刻地圍繞著我們,但是你知道嗎?藉助這些 WiFi 訊號,人工智慧居然可以隔著牆探測人體的姿態,
達到透視的效果!
而這一切,都要從姿態檢測講起。
曾幾何時,基於人工智慧的實時姿態檢測還是一個新潮的概念:
但隨著人工智慧技術的迅猛發展,再加上
影片輸入
不可避免的
肢體阻擋問題
基於
R-CNN
等技術實現的實時人體姿態檢測已經無法吸引我們的眼球了:
這不,美國MIT人工智慧實驗室(
MIT CSAIL
)的研究者
Zhao
等人就想出可以利用無處不在
WiFi 訊號
來檢測人體的姿態。
在解決了肢體阻擋問題的同時,由於 WiFi訊號的
穿透性
,利用 WiFi 訊號檢測人體姿態帶來了一個意外的好處:
透視
如圖是一個人走入走出一個房間的全過程。
可見,在下方 AI 的輸出中,這個男人在房間的每一個動作都清晰可見!
再來一張圖:
可以看出,房間中其實還有一個人。
更令人驚奇的是,
實現這一切的 WiFi 訊號竟比我們日常使用的 WiFi
訊號強度低1000倍
。
好了,話不多說,讓我們來探究一番這一切的原理吧!
原理
以往的姿態檢測,由於接受的是影片輸入,
是不可能避免肢體阻擋的問題的。
要處理這種問題,往往需要利用演算法去模擬、猜測。這就帶來了大量的誤差:
於是 MIT 的 Zhao 等人便想到了可以利用一個空間中的 WiFi 訊號在人體的
反射
來探測人的
位置
,甚至
姿態
如圖, y、z 平面和 x、z 平面分別表現了這個空間中水平和豎向的 WiFi 反射資訊:
可見,人處在的位置上,WiFi 訊號圖會有明顯的白點。但是總的來說,這些資訊還是
雜亂無章
的,我們沒法直接從中加以轉換,轉化成人的姿態資訊。
看到這裡,相信有基礎的讀者已經能夠想到,我們可以利用一個
卷積神經網路
來自動學習這兩張訊號圖和人體姿態的關聯。
但是,標籤呢?
我們知道,要想讓卷積神經網路學習一個對映,一定要提供
原始資料
及與之對應的
標籤
Zhao 等人利用了下方這個巧妙的神經網路結構解決了這個問題:
如圖,這是一個被稱為“教師-學生”神經網路的模型。
它包含了兩個神經網路:
教師網路(Teacher Network)
學生網路(Student Network)
簡單說來,
教師神經網路
是一個經典的姿態檢測網路,而
學生神經網路
是一個待訓練的普通神經網路結構。
Zhao 等人利用了這個巧妙的神經網路使模型利用
教師神經網路
自行生成標籤用以訓練
學生神經網路
,可謂是構思精妙!
最後來開一組對比:
圖中第二行是 WiFi 訊號生成的姿態資訊,而第三行是傳統姿態檢測模型生成的姿態資訊。
可見,這個模型在無光和阻擋的環境下依舊可以順利探測出人體的姿態。
可以說是真正做到了透視的效果!
↓↓↓附件領取請看這裡↓↓↓
請先點選
關注;
然後
私信
傳送
“wifi”
即可輕鬆領取本篇論文pdf檔案
相關乾貨:
夜間照相再也不需要高階相機?詳見
「速讀論文」讓AI拯救你手機的夜間拍照效果(附原始碼、pdf)
簡筆畫變照片?黑白圖自動上色?探秘影象翻譯!詳見
「速讀論文」簡筆畫變照片?這就是GAN影象翻譯!(附pdf)
想要用Python輕鬆視覺化任何函式嗎?詳見
乾貨|一文教你用Python輕鬆視覺化任何函式(附程式碼)
想要深入瞭解機器學習領域中5大最本質、最關鍵的演算法嗎?詳見
乾貨|機器學習5大關鍵演算法深入盤點!一個比一個艱深
機器學習乾貨君致力於原創易於理解的技術原理與細節文章
I Study Hard,
So YOU Don't Have To !
歡迎大家關注: )