Deep Science AI加入Defendry以自动检测相机上的犯罪行为

Deep Science AI在Disrupt NY 2017的舞台上首次亮相，在现场演示中展示了其计算机视觉系统如何在CCTV镜头中发现枪支或面具，可能会提醒商店或安全提供商即将发生的犯罪事件。该公司现已与Defendry友好合并，后者正在寻求更广泛地部署该技术。
这是一家寻求进入市场的以科技为重点的公司，以及寻求合适技术的以市场为导向的公司的典范。
我们的想法是，如果你有20家商店连锁店，每家商店有3台相机，而且人们一次只能可靠地关注8-10个供应商，那么你正在寻找一个重要的人力投资来确保那些相机并非毫无意义。相反，如果您使用了Deep Science AI的中间层，突出了绘制枪支等阴暗情况，那么一个人可以想象地关注数百个源。这是一个很好的球场，虽然他们当年没有参赛。
Deep Tech AI联合创始人肖恩·赫弗(Sean Huver)在接受采访时表示，“TechCrunch战场是一个很好的启动点，就像我们的名字和能力一样。”(谢谢插头，肖恩)。 “我们在零售空间请求飞行员中有一些非常大的名字。但我们很快发现基础设施中没有足够的实际发生的事情。“
也就是说，自动化安全调度，与私有公司服务器和硬件的集成等等。
“你真的需要建立围绕AI技术的监控，而不是相反，”Huver承认。
与此同时，Defendry的Pat Sullivan正在努力建立物联网设备的自动化工作流程 – 如果温度超过一定限度，调整A / C，Sullivan在某个时候意识到，通知公司有严重的问题，如抢劫和火灾。
“可能发生的最重要的警报之一是有人拿枪并且做坏事，”他说。 “为什么我们的工作流程无法启动对该警报的主动响应，包括通知和任务等?这导致我搜索了一个武器和危险情况数据集，这使我成为肖恩。“
尽管该公司在舞台上仍处于原型阶段，但其现场演示的成功与团队成员在实时馈送中发出警报(勇敢地尝试这一点)表明它实际上是功能性的 – 不同于Sullivan发现，许多其他公司做同样的事情。
“每个人都说他们有货，但是当你评估时，他们真的没有，”他认为。 “几乎所有人都希望为我们建造它 – 一百万美元。但是，当我们遇到深度科学时，我们很高兴看到他们实际上可以按照他们所说的去做。“
理想情况下，他继续建议，该系统可能不仅仅是正在进行的犯罪的指标，而是即将开始的犯罪：例如，戴着面具或在停车场拔枪的人可以触发外门锁定。当一个人检查时，要么警察可以在人们到达入口前途中，或者可能是误报，并且在任何人发现任何事情发生之前，门可以被解锁。
现在，这里公认的不一定相关的等式的一部分是计算机视觉算法中的偏差。我们已经看到女性和有色人种 – 如何开始 – 受到错误，错误识别等的不成比例的影响。我问Huver和Sullivan这些问题是否是他们必须适应的问题。
幸运的是，这种技术不依赖于面部分析或类似的东西，他们解释说。
“我们真的正在解决这个问题，因为我们专注于非常独特的对象，”Huver说。 “有行为和运动分析，但准确率并不适合我们所需要的规模。”
沙利文补充说：“我们没有列出犯罪分子或恐怖分子的名单，并试图将他们的名单与名单相匹配。”
这两家公司谈到了许可，但最终决定他们作为一个单一的组织工作得最好，而且几周前就完成了文书工作。他们拒绝详细说明财务状况，考虑到人工智能初创公司和估值的歇斯底里，这是可以理解的。
他们与安全硬件供应商Avinet合作，该供应商基本上是Defendry团队为客户整理设置的首选供应商，并在合作伙伴关系中投入了未公开的金额。我们将密切关注战地成功故事的进展。