Đại diện Gcafe Việt Nam khẳng định không vi phạm bản quyền

Năm ngoái, trang thương mại điện tử chuyên hàng thời trang này bắt tay cùng Sendo tổ chức Online Fever.

Năm nay, chương trình Online Fever sẽ có mặt hơn 50 doanh nghiệp thương mại điện tử và bán lẻ lớn, như các trang mua sắm trực tuyến Nguyenkim.com, Cungmua, Foody,… và nhiều các thương hiệu đến từ nhiều lĩnh vực khác về nhà hàng, cà phê: Redsun, Golden Gate (Kichi Kichi, Vuvuzela, Ashima, Shogun, Cowboy's Jack, Osaka Osho, Hutong) Halal Saigon,… hay làm đẹp:  L'occitane, Vichy, La-roche Posay, Laneige, Natural Republic, The body shop, Pamas spa, Anam QT spa, Nang Spa, cùng cả các dịch vụ khác đến từ Techcombank, Sacombank, Maritime, VPBank, Seabank, Shinhan…

Hệ thống có thể ứng dụng để quét các khu vực tập trung đông người để tìm ra người có hành vi đáng nghi hay đơn giản là cần giúp đỡ. Hãng điện tử Nhật Bản cho biết hệ thống tận dụng công nghệ deep learning, trong đó máy tính học được đặc điểm của các chủ thể đặc biệt. Công ty hi vọng có thể tiếp thị sản phẩm trước Olympics 2020 tại Tokyo khi lượng du khách được dự đoán tăng mạnh.

Hệ thống theo dõi nguồn video từ camera an ninh và phát hiện người nào có biểu hiện trùng với cơ sở dữ liệu sẵn có một cách tự động, theo thời gian thực. Chẳng hạn, nó biết ai đang mang theo đồ vật nghi ngờ như can xăng, ai đang đẩy xe đẩy hay người già đang chống gậy. Nó cũng nhận diện được các chuyển động đặc biệt để báo động nhân viên an ninh. Trong video minh họa, hệ thống khoanh vùng người đang xách một can dầu bằng khung trắng trong số nhiều người đi bộ.

Theo Hidenobu Kanda, Giám đốc bộ phận hệ thống an ninh Mitsubishi, việc sử dụng công nghệ deep learning cho phép lập trình để tìm ra người có hành vi khác thường dễ dàng hơn. Để có thể nhận diện được xe đẩy, hệ thống ban đầu phải ghi nhớ hình ảnh chụp vật thể từ nhiều góc độ, từ đó tự động nhận ra khi nó xuất hiện trước camera an ninh. Theo thời gian, phán đoán ngày càng chính xác hơn.

Ngược lại, hệ thống nhận diện hình ảnh thông thường lại phải học nhiều chi tiết hơn về một chủ thể, đòi hỏi lập trình phức tạp hơn. Trong trường hợp một người, nó đầu tiên phải học con người như một đối tượng có tỉ lệ chiều rộng – chiều cao là 2-8, di chuyển ở vận tốc khoảng 20 km/giờ… Tiếp đến, nó phải học chi tiết của xe đẩy trước khi nhận ra một người đang sử dụng.