Идентификация собак и кошек
Стандартные инструменты идентификации домашних животных, такие как бирки и чипы, несовершенны. Бирки легко отсоединяются, и не каждому владельцу нравится идея микрочипирования своего питомца. Даже те, кто чувствует себя комфортно, часто сталкиваются с проблемами с микрочипами, такими как повреждение чипа и устаревшие базы данных идентификаторов.
На более продвинутом уровне Petnow функционирует, осуществляя сканирование морды питомца с помощью камеры, доступной в мобильном приложении для Android и iOS. При этом используется искусственный интеллект, который был обучен на обширной коллекции из приблизительно 200 000 изображений морд собак и кошек. Эти изображения были собраны командой Petnow и предоставлены пользователями домашних животных. Благодаря этому, Petnow способен создавать уникальные биометрические профили для каждого питомца, что делает систему более точной и надежной.
Petnow использует уникальный метод идентификации для собак, который называется «отпечаток носа». Отпечаток носа собаки считается таким же уникальным, как отпечаток пальца у человека, и, по утверждению стартапа, он не изменяется со временем. Это делает его надежным средством для различения собак друг от друга, даже в случае щенков.
В отношении кошек, Petnow анализирует «контур лица» каждой кошки, который, по словам Petnow, остается уникальным из-за индивидуальных «привычек ухода» каждой кошки. Несмотря на то что это может вызывать сомнения у некоторых, концепция отпечатка носа и контура лица служит уникальным методом идентификации домашних животных.
Компания заявляет, что ее алгоритмы достигают «точности на уровне 99%» при идентификации отдельных кошек и собак. Однако известно, что даже самые передовые алгоритмы искусственного интеллекта, работающие с анализом изображений, могут подвергаться отклонениям от ожидаемых результатов.
К примеру, по меньшей мере шесть человек, все из них имеют черную кожу, были неправомерно задержаны полицией с использованием технологии распознавания лиц.
Алгоритмы распознавания лиц часто обучаются на наборах данных, в которых недостаточно представлено разнообразие темнокожих лиц, что может привести к искажениям результатов. Или они могут быть обучены на базах данных с фотографиями арестованных лиц, где преобладают черные лица, многие из которых были сфотографированы при неудовлетворительных условиях освещения и имеют низкое качество изображения, что затрудняет способность алгоритма точно различать одно лицо от другого.