MultiDo implementace software SDK knihovny

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F27581349%3A_____%2F22%3AN0000003" target="_blank" >RIV/27581349:_____/22:N0000003 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.eyedea.cz/products" target="_blank" >https://www.eyedea.cz/products</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

MultiDo implementace software SDK knihovny

Popis výsledku v původním jazyce

SW knihovna ve formě SDK balíčku, která obsahuje AI metody pro analýzu multi-modálních dat z dopravních senzorů s cílem zvýšit přesnost, robustnost a validitu informací, které se z těchto senzorů získávají. Slouží je sdružené analýze video a audio signálu. Knihovna implementuje vyvinutý audio-modul a algoritmy pro jeho automatické učení a testování. Hlavní funkcionality jsou následující: - Nástroje pro předzpracování audio-vizuálních záznamů. - Automatické zarovnávání video a audio anotace. - Algoritmus učení audio-modulu. - Algoritmy pro predikci událostí pomocí audio-modulu. - Metody pro statistické vyhodnocování přesnosti. - Metoda pro automatickou SVM adaptaci audio-modulu na nová data.

Název v anglickém jazyce

MultiDo SDK software library implementation

Popis výsledku anglicky

A software library in the form of an SDK package that contains AI methods for analyzing multi-modal data from traffic sensors in order to increase the accuracy, robustness and validity of the information that is extracted from these sensors. It is used for the combined analysis of video and audio signals. The library implements the developed audio-module and algorithms for its automatic learning and testing. The main functionalities are as follows: - Tools for audio-visual pre-processing. - Automatic alignment of video and audio annotations. - Audio-module learning algorithm. - Algorithms for event prediction using the audio-module. - Methods for statistical accuracy evaluation. - Method for automatic SVM adaptation of audio-module to new data.

Druh

R - Software

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/FW03010571" target="_blank" >FW03010571: AI systém vyhodnocování multimodálních dopravních dat</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

FW03010571-V2

Technické parametry

SW knihovna je implementována formou SDK balíčku. Ten implementuje navrženou architekturu audio-modulu, algoritmy pro její učení, algoritmy pro automatické získávání anotovaných příkladů s použitím slabých anotací z video-modulu. Obsahuje implementaci současné detekce více typů událostí, včetně metody pro automatickou adaptaci audio-modulu. Zároveň bylo vyvinuto několik CLI aplikací, které demostrují hlavní funkcionality knihovny, ty jsou součástí poloprovozního ověřování systému. SDK balíček je ve formě dynamické knihovny s C rozhraním, implementace SDK balíčku je v C++. SDK balíček má implementovány přístupové funkce pro práci s neuronovou sítí a získávání výsledků.

Ekonomické parametry

Licenci je možno udělit jako bezúplatnou pro nekomerční účely. Pro distribuci systému budeme vycházet z našich zkušeností z prodeje systému rozpoznávání výrobců a modelů vozidel a jeho cenové strategie. Kompletní ceny všech typů těchto produktů jsou na dotaz k dispozici na našich stránkách: https://www.eyedea.cz/products/make-and-model-recognition-mmr U systému MultiDo předpokládáme navýšení ceny oproti systému MMR cca 20% - 40%, dle konkrétní situace.

IČO vlastníka výsledku

27581349

Název vlastníka

Eyedea Recognition s.r.o.