在对象识别方面，首次点击将针对Google或Microsoft。如果他们互相争斗以识别汽车怎么办？我们进行了一项研究，将白俄罗斯语SpotVision汽车检测服务添加到玩家列表中。谁会赢？
首先，我们需要解决一个实际问题，即在图片中识别汽车，选择它们并报告汽车坐标。这个想法首先出现是供个人使用的-在驾驶员到达那里之前快速有效地在院子里找到并看到免费的停车位。后来，这个想法变成了一项业务任务-为任何停车公司的客户以及视频监控服务的客户提供额外的服务。
目的是识别来自CCTV摄像机图像中的汽车，并将信息以示意图的形式传输到移动应用程序或仪表板中的地图。
首先，我们测试了Google AI，因为我们无条件地信任许多Google产品。对于这么大而有影响力的怪物来说，识别汽车似乎是一件微不足道的事情（这很容易实现，这很容易做到）。但是，我们感到失望。 Google AI对汽车的识别不是很准确。因此，它看起来更像是其他Google产品的PR，而不是功能完善的计算机视觉系统。
对于第一次测试，我们在车辆的最佳高度和比例下拍摄了光线充足的图像。瞄准发射失败。在40多辆汽车中，Google AI仅圈出了10辆汽车。
测试1. Google AI
发现即使是出色的Google都无法在如此平凡的水平上进行识别，我们还是选择了Microsoft Computer Vision服务进行比较。我们得到了以下结果。
测试1. Microsoft Computer Vision
总共有6（！）辆汽车。而且看起来很伤心。
意识到AI领域才刚刚开始发展，我们的体育兴趣无法得到缓解，我们开始从汽车中收集数据集并训练我们自己的神经网络。我们以YOLOv3 Darknet框架为基础。实验表明，在实施中产生最少问题的是他。它可以快速处理图像，并在图像不足时自动应用增强。经过一段时间的深入培训，我们有了一个基于25,000多张图像的经过训练的神经网络。目前，我们将再添加2500张图片进行培训。
这就是白俄罗斯的AI系统SpotVision Car Detection如何完成相同的任务。
测试1. SpotVision汽车检测
如您所见，已经识别出绝大多数汽车，而不仅仅是在停车场。也就是说，在人眼可以轻松看到汽车的地方，SpotVision系统可以出色地完成工作。
让我们把任务复杂化并进行夜景。从应用的相关性的角度来看，由于可见性差和大量已经停放的汽车，驾驶员在夜间很难找到免费的停车位。因此，夜间歧视是最有价值的。
结果就是Google提供的。
测试2. Google AI
和Microsoft
测试2的类似版本。Microsoft计算机视觉
即-完全为零，并且图像中没有任何汽车痕迹。
让我们比较一下SpotVision机器识别系统的结果。
测试2. SpotVision汽车检测
继续进行。 CCTV摄像机通常安装在多层建筑物的高层。一台摄像机可以最大程度地覆盖停车场。这降低了设备和安装的视频监视服务的成本。由于最常见和要求最严格的案例是在住宅区和商务中心院子里对汽车的识别，因此我们也承诺在三个系统中进行分析。
测试3. Google AI
测试3. Microsoft计算机视觉
测试3. SpotVision汽车检测
现在让我们直截了当地提出问题：如果图像完全显示出一辆汽车并且捕获了相邻汽车的边缘，系统将如何应对？
测试4. Google AI
测试4. Microsoft计算机视觉
测试4. SpotVision汽车检测
根据结果，Google AI在图片中发现了4个对象，其中三个是车轮，而不是整车。 Microsoft Computer Vision已识别出2辆汽车。 Spotvision总共识别了4辆汽车，单独识别了一个车轮。白俄罗斯的汽车识别系统能够以很小的误差来完成这项任务，但却是最充分的。
有趣的是，这些系统将在没有明显汽车标志的地方绕圈，这是识别系统最常依赖的标志-这是汽车的通常轮廓和车轮轮廓。
测试5. Google AI
测试5. Microsoft Computer Vision
测试5. SpotVision汽车检测
出乎意料的是，这三项服务都能准确识别出这辆汽车，只有Google AI对车轮或彩色烟雾产生的漩涡做出了反应，并用矩形将其环绕。
雨雾是认识的另一个自然的复杂因素。它们会降低图像的清晰度，并可能使计算机视觉看不到物体。
测试6. Google AI
测试6. Microsoft Computer Vision
测试6. SpotVision汽车检测
Google AI和SpotVision汽车检测性能最佳，尽管他们看不到远处行驶的两辆汽车。 Microsoft Computer Vision错过了一台机器，而明显的四台机器中只有三台盘旋。
因此，进行了两次控制测试，显示了最大的车辆数量。测试7显示46辆车。
测试7. Google AI
测试7.Microsoft Computer Vision
测试7. SpotVision汽车检测图中
的46辆汽车中，Google AI发现11辆汽车，Microsoft Computer Vision-30辆汽车，错误地在杆子上圈了圈，SpotVision发现了46辆汽车。
让我们继续看有很多汽车的例子。改变视角。
测试8. Google AI
测试8. Microsoft计算机视觉
测试8. SpotVision汽车检测我们
考虑了季节变化，添加了真实码中的照片。在下面的变体中，是冬天和下雪天。如您所见，融化的补丁和汽车离开的地方可能被错误地识别为汽车。雪下的汽车也变得对计算机视觉系统不可见。
测试9. Google AI
测试9. Microsoft Computer Vision
测试9.SpotVision汽车检测
同一视图，仅在夜间模式下。
测试10. Google AI
测试10. Microsoft Computer Vision
测试10. SpotVision汽车检测
事实证明，Google AI和Microsoft Computer Vision可以执行更广泛的任务，但是在汽车检测方面遭受了绝对的失败。大多数情况下全部或部分失败，有些被印迹识别。因此，它们不适用于希望通过与AI服务集成来扩展其功能的企业。同时，白俄罗斯的SpotVision汽车检测服务已经完成了分配的任务的98％，并准备进行实时应用。
如果您想自己测试每项服务，请点击以下链接
Google AI
Microsoft Computer Vision
Spotvision Car Detection