گروه هوش‌سامان

گروه هوش‌سامان

ارائه راهکار‌های مبتنی بر هوش مصنوعی به کسب‌و‌کارها

هوش‌سامان، کسب‌و‌کار هوشمند

گروه هوش‌سامان با هدف تسهیل و تعمیم استفاده از فناوری هوش مصنوعی در کسب‌و‌کارها، پا به عرصه رقابت در این حوزه گذاشته است. ما با استفاده از کارآمدترین فناوری‌های روز دنیا محصولاتی در زمینه تشخیص چهره، پلاک‌خوان خودرو و بازخوانی اسناد تولید کرده‌ایم تا بدین وسیله کسب‌وکار شما را هوشمند و به دور از هر گونه خطای انسانی سازیم.

فناوری‌هافناوری‌ها
کارآمدترین فناوری‌های به کار رفته در تولید محصولات هوش‌سامان عبارتند از ...
بیشتر
محصولاتمحصولات
محصولات هوش‌سامان در سه زمینه تشخیص چهره، پلاک‌خوان خودرو و بازخوانی اسناد ارائه می‌شود.
بیشتر
پلتفرم‌هاپلتفرم‌ها
تمامی محصولات تولید شده در هوش‌سامان قابل استفاده روی پلتفرم‌های Windows ...
بیشتر
کاربردهاکاربردها
محصولات هوش‌سامان به منظور ارتقای کیفیت کسب‌وکارها، تامین امنیت افراد و ...
بیشتر
چرا هوش‌سامانچرا هوش‌سامان
امکاناتی که شرکت هوش‌سامان برای جلب رضایت مشتریان خود در نظر گرفته است ...
بیشتر
نوع ارائهنوع ارائه
محصولات هوش‌سامان به منظور حفظ رضایت کاربران و انعطاف‌پذیری هر چه ...
بیشتر

زمینه‌های فعالیت هوش‌سامان

چهره

چهره
شناسایی چهرهشناسایی چهره
فناوری شناسایی چهره یا face detection قادر به تشخیص تعداد چهره‌های موجود در یک تصویر، مختصات و هندسه‌ی آن‌ها است. هوش مصنوعی و الگوریتم‌های یادگیری عمیق (deep learning) در راستای تشخیص انواع چهره‌ها در زوایای مختلف ما را یاری می‌کنند. دستگاه‌های کنترل تردد، تماس تصویری و عکس‌های سلفی از جمله کاربردهای شناسایی چهره است.
تشخیص چهرهتشخیص چهره
فناوری تشخیص چهره یا face recognition به تحلیل، تطبیق و تایید هویت یک چهره در یک تصویر می‌پردازد. این سرویس اطلاعات به دست آمده از تصویر را در قالب اثرچهره (faceprint) با تصاویر موجود در بانک اطلاعات مقایسه می‌کند. باز کردن قفل گوشی، مرتب‌سازی تصاویر و تایید هویت در خودپردازها از کاربردهای این فناوری است.
تطابق چهرهتطابق چهره
فناوری تطابق چهره یا face verification به مقایسه چهره واقعی یک فرد با یک تصویر می‌پردازد. این سرویس در صورت انطباق تایید می‌کند که فرد و تصویر هر دو معرف یک شخص واحد هستند. تلفن‌های همراه با قابلیت پشتیبانی از FaceID، فرآیند انطباق چهره فرد با تصویر گذرنامه در فرودگاه‌ها و سامانه‌های امنیتی احراز هویت از این سرویس استفاده می‌کنند.
استخراج ویژگی‌های چهرهاستخراج ویژگی‌های چهره
سیستم تشخیص چهره با استفاده از تکنولوژی استخراج ویژگی‌های چهره یا face attributes detection مشخصه‌های کلیدی یک چهره مانند فاصله چشم، عمق حفره‌های چشم، فاصله‌ی پیشانی تا چانه، شکل استخوان گونه، خط لب، گوش و چانه را تشخیص می‌دهد. علاوه بر آن، قادر به تشخیص ویژگی‌های دیگری مانند جنسیت، رنگ مو و وجود عینک نیز است.
حالات احساسیحالات احساسی
با استفاده از فناوری تشخیص حالات احساسی چهره یا facial expression recognition می‌توان نوع و نشانه‌های یک حس را در افراد تشخیص داد و از این طریق به احساسات آن‌ها در مواجهه با یک متن، تصویر یا عمل پی برد. این فناوری قادر است با تحلیل نشانه‌ها، شش حس شادی، غم، عصبانیت، تعجب، ترس و انزجار را تشخیص دهد.
تشخیص چهره افراد شناخته شدهتشخیص چهره افراد شناخته شده
در این فناوری یک بانک اطلاعاتی شامل چهره‌های شناخته شده و اطلاعات مربوط به اثرچهره (faceprint) هر کدام ایجاد می‌شود. با بکارگیری این اطلاعات و بررسی تصویر ورودی، شبیه‌ترین چهره از بین افراد شناخته‌شده به عنوان خروجی ارائه می‌شود. لازم به ذکر است در این سرویس تصویر ورودی لزوما باید تنها شامل یک چهره باشد.
محوکردن چهرهمحوکردن چهره
حفظ حریم خصوصی افراد و ممانعت از افشای چهره آن‌ها، یکی از مهم‌ترین مسائلی است که امروزه باید به آن توجه شود. فناوری محو کردن چهره یا face blurring در راستای تامین امنیت هویت افراد به کار می‌رود.

خودرو

خودرو
پلاک‌خوانپلاک‌خوان
در دنیای مدرن امروزی انواع سامانه‌­های هوشمند و قدرتمند برای ارتقای سطح کیفیت و امنیت حمل‌ونقل به وجود آمده است. در این راستا سامانه تشخیص خودکار پلاک خودرو (automatic license plate recognition) طراحی شده است تا به شناسایی و تشخیص پلاک خودرو در تصاویر و فیلم‌های دریافتی از دوربین‌های ترافیکی بپردازد.
شناسایی پلاکشناسایی پلاک
سامانه ALPR پس از دریافت تصاویر ارسالی از دوربین‌ها و با استفاده از الگوریتم‌های هوش مصنوعی و پردازش تصویر، به شناسایی و مکان‌یابی یک پلاک در تصویر می‌پردازد. این بخش اولین و مهمترین مرحله از فرآیند پلاک‌خوانی را تشکیل می‌دهد. در ادامه کاراکترهای موجود در پلاک شامل حروف و اعداد تفکیک می‌شود.
تشخیص پلاکتشخیص پلاک
فناوری نویسه‌خوان نوری (optical character reader) به پردازش اطلاعات استخراج شده از تصویر پلاک می‌پردازد. OCR اعداد و حروف موجود در پلاک را شناسایی می‌کند و جهت ذخیره‌سازی در اختیار بانک اطلاعاتی قرار می‌دهد. از این بانک اطلاعاتی جهت تشخیص و تطبیق پلاک خودروها در انواع کاربردها استفاده می‌شود.
چالش‌هاچالش‌ها
سامانه ALPR در فرآیند خواندن پلاک با چالش‌ها و پیچیدگی های زیادی روبه‌رو است که مهمترین آنها به شرح زیر است: ابعاد متفاوت پلاک‌ در تصویر، مکان قرارگیری پلاک، زاویه پلاک با دوربین، رنگ پس‌زمینه، وجود مانع روی پلاک، وجود پیچ روی پلاک، مخدوش بودن پلاک، کیفیت پایین تصویر ثبت شده، نبود نور کافی، شرایط جوی نامناسب و عدم توانایی در تشخیص حروف و کلمات شبیه هم.
نوع و رنگ خودرونوع و رنگ خودرو
در حال حاضر، اغلب سامانه‌های نظارتی و امنیتی با استفاده از پلاک اقدام به شناسایی خودرو می‌کنند. در شرایطی که امکان تشخیص پلاک توسط دوربین وجود نداشته باشد (مثلا فقدان پلاک یا مخدوش بودن آن)، می‌توان با استفاده از سیستم vehicle make model recognition و با توجه به نشانه‌های بصری موجود در تصویر، مدل و رنگ خودرو را تشخیص داد.
کاربردهاکاربردها
از کاربردهای فناوری پلاک‌خوان می‌توان به موارد زیر اشاره کرد: کنترل ترافیک جاده‌ها، پرداخت الکترونیکی عوارض جاده‌ای، اندازه‌گیری سرعت میانگین خودروها، تشخیص تخلفات، شناسایی وسایل نقلیه به سرقت رفته، ردیابی خودروها، تامین امنیت و کنترل تردد به مکان‌های با دسترسی محدود.

اسناد و مدارک

اسناد و مدارک
فناوری نویسه‌خوان نوریفناوری نویسه‌خوان نوری
با توجه به پیشرفت‌های حاصل شده در دنیای تکنولوژی، شاهد حذف مدارک کاغذی و تبدیل متن و تصویر موجود در آن‌ها به داده دیجیتالی هستیم. در این زمینه به منظور کاهش خطاهای انسانی و اتلاف وقت از فناوری‌های هوشمندی مانند نویسه‌خوان نوری (OCR) استفاده می‌شود. این فناوری مانند بسیاری از سامانه‌های هوشمند دیگر، دارای پیچیدگی‌های زیادی است که در این راستا می‌توان به پردازش تصویر و شناسایی الگو به عنوان دو مبحث اصلی در این حوزه اشاره کرد.
پردازش متن و تصویرپردازش متن و تصویر
به منظور تبدیل اسناد و مدارک فیزیکی به داده‌های متنی قابل پردازش، ابتدا سند مورد نظر مانند کارت ملی، کارت بانکی یا گواهینامه در تصویر شناسایی می‌شود. سپس فناوری OCR به تشخیص و استخراج لوگو و فیلدهای متنی موجود روی سند می‌پردازد. در انتها با استفاده از الگوریتم‌های یادگیری عمیق و زبان ماشین، حروف و اعداد استخراج شده از تصویر، پردازش شده و جهت ذخیره‌سازی به بانک اطلاعات منتقل می‌شود.
چالش‌ها و مزایاچالش‌ها و مزایا
از جمله چالش‌های موجود در مسیر پردازش اسناد می‌توان به موارد زیر اشاره کرد: میزان نور در عکس و کیفیت نورپردازی، جهت و عدم تقارن تصویر، تنوع فونت، قالب و طرح اسناد فیزیکی. در مقابل مزایای قابل توجه استفاده از فناوری OCR در روند استخراج اطلاعات عبارتند از: دسترسی و کاربرد آسان، تسریع در دریافت اطلاعات و خدمات رسانی، صرفه‌جویی در وقت و هزینه و حذف هرگونه خطای انسانی.
کاربردهاکاربردها
مهمترین کاربردهای فناوری OCR استخراج اطلاعات از مدارک شناسایی مانند کارت ملی، کارت بانکی، گواهینامه و گذرنامه جهت احراز و ثبت هویت افراد است. تشخیص تصویر و پردازش فیلدهای اطلاعاتی مانند نام و شماره ملی در کارت ملی جهت امور امنیتی و هویتی، شماره گذرنامه، جنسیت و ملیت در فرودگاه‌ها، اطلاعات گواهینامه و کارت ماشین در ادارات راهنمایی و رانندگی، شماره کارت بانکی، شماره حساب، شماره شبا، تاریخ انقضا و CVV2 در امور بانکی و اسکن بارکدها در فروشگاه‌ها از متداول‌ترین و پرکاربردترین زمینه‌های فعالیت OCR است.

محتوای جعلی

محتوای جعلی
GANGAN
شبکه مولد متخاصم (generative adversarial network) که به اختصار GAN نامیده می‌شود بر اساس رویکرد تئوری بازی‌ها و با استفاده از فناوری‌های یادگیری عمیق، یادگیری ماشین و شبکه‌های عصبی ساخته‌ شده است. GAN شامل ۲ مدل هوش مصنوعی است که با عناوین مولد (generator) و متمایزکننده (discriminator) شناخته می‌شوند. هدف از این شبکه آموزش مدل مولد توسط مدل متمایزکننده است. این دو مدل در شبکه GAN تا زمان رسیدن به یک تصویر یا صدای صحیح و بسیار نزدیک به واقعیت با یکدیگر به رقابت می‌پردازند.
عملکردعملکرد
ابتدا مدل مولد یک تصویر یا صدا را تولید کرده و آن را برای مدل متمایزکننده می‌فرستد. مولد امیدوار است تا محتوای تولید شده توسط خود به عنوان یک محتوای واقعی توسط متمایزکننده پذیرفته شود. اما با پذیرفته نشدن محتوا توسط متمایزکننده، مولد مجبور می‌شود محتوی واقعی‌تری تولید کند و این کار را تا زمانی که دیگر متمایزکننده قادر به تشخیص محتوای واقعی از محتوی تولید شده توسط مولد نباشد، ادامه می‌دهد.
کاربردهاکاربردها
جعل‌عمیق (deepfake) از جمله مهمترین کاربردهای شبکه GAN است که امروزه بسیار مورد توجه قرار گرفته است. جعل‌عمیق یک تکنیک نرم‌افزاری است که بر مبنای دانش هوش مصنوعی شکل گرفته است. با استفاده از این فناوری می‌توان محتوای صوتی و تصویری را تغییر داد و محتوای کاملا جدیدی تولید کرد که به طرز شگفت‌آوری، واقعی به نظر می‌رسد و تشخیص مرز بین حقیقت و دروغ را مشکل می‌سازد. در این راستا از یادگیری عمیق به عنوان معتبرترین روش‌ برای شناسایی جعل‌عمیق استفاده می‌شود.
مزایا و معایبمزایا و معایب
هر ابزار یا فناوری جدید به‌ طور ذاتی خطرناک نیست. اگرچه استفاده نادرست از جعل‌عمیق می‌­تواند مضرات و عواقب جبران‌ناپذیری به همراه داشته باشد و به حریم شخصی افراد و وجهه اجتماعی آن‌ها آسیب برساند؛ اما در صورت استفاده صحیح، می‌توان از مزایا و قابلیت‌های شگفت‌انگیز این فناوری بهره برد.
جنبه‌های مثبت جعل‌عمیقجنبه‌های مثبت جعل‌عمیق
بازسازی تصاویر و ویدیوهای قدیمی، کاربردهای حوزه سینما مانند فیلم‌سازی، انیمیشن و ساختن زندگینامه، سرویس‌های ترکیب صدا، مراکز تماس، گیمینگ، صحبت به‌ صورت طبیعی از سوی افرادی که از مشکلات پزشکی رنج می‌برند، محتوای تعاملی برای یادگیری آنلاین، دستیارهای صوتی و امور رمزنگاری.
جنبه‌های منفی جعل‌عمیقجنبه‌های منفی جعل‌عمیق
نقض و به خطر افتادن حریم خصوصی افراد (سیاستمداران، هنرپیشه‌ها و...)، اخاذی، ایمیل‌های اسپم، رقابت غیرقانونی، ساخت ویدیوهای جعلی و محتواهای دروغین (مانند فیلم‌های غیراخلاقی)، تحریف واقعیات جامعه و ارائه اطلاعات نادرست و غیرواقعی.
© تمام حقوق نزد هوش‌سامان محفوظ است.