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: )
