Búsqueda de personas
La solución consiste en conectarse con la cámara IP de preferencia con calidad HD, con vista a la entradas de lugares con afluencia, entre las diferentes tecnologías que soporta la solución se encuentran FisherFaces, EigenFaces LBPH y CNN. De igual forma esta herramienta puede adaptarse a nuevas tecnologías de «aprendizaje» que en el futuro sean desarrolladas o que conformen nuevos estándares. El modelo entrenado se puede cargar en C#, Java y Python para extraer el rostro y reconocerlo. Después se puede buscar el nombre en la Base de Datos de personas reportados como extraviados o criminales para levantar el reporte.
Búsqueda de Autos Robados
| La solución consiste en conectarse con la cámara IP con vista a la carretera. Se pueden usar Transfer Learning para realizar OCR sobre las imágenes y extraer el numero de serie de las placas de automóvil. El modelo entrenado se puede cargar en Java y Python para extraer la cadena de texto de la placa y buscarla en la Base de Datos de autos reportados como robados para levantar el reporte. |  |
Detección de Armas de Fuego con 97% de precisión
El usuario conecta su cámara IP con vista al interior de un negocio o exterior de la casa. Se pueden usar Deep
Learning para entrenar el modelo con 300 000 videos de escenas de delitos como peleas, asaltos. El modelo entrenado se puede cargar en Java y Python para clasificar los videos de seguridad y levantar el reporte.
Detección de Peleas con 98% de precisión
El usuario conecta su cámara IP con vista al interior de un negocio o exterior de la casa. Se pueden usar Deep Learning para entrenar el modelo con 300,000 videos de escenas de delitos como peleas, asaltos. El modelo entrenado se puede cargar en Java y Python para clasificar los videos de seguridad y levantar el reporte
App para diagnóstico
 |
El usuario (enfermera) ingresa sus signos vitales, los síntomas y datos de estudios clínicos. Se pueden usar arboles de decisión basados en reglas y redes neuronales artificiales para pre-diagnosticar. |
Detección de Motociclistas sin Casco con 96% de precisión
El usuario conecta su cámara IP con vista al exterior, de preferencia HD para que se pueda ver lo nítida posible la imagen. Se pueden usar Deep Learning para entrenar el modelo con 300 000 videos.
Diagnóstico en imágenes
Detección de Enfermedades
 |
 |
El usuario (médico general) ingresa la imagen de la radiografía. Se pueden usar Deep Learning para entrenar el
modelo con 300,000 imágenes de pacientes con la enfermedad y sanos. El modelo entrenado se puede cargar en C#, Java o Python para pre-diagnosticar en base a imágenes de rayos X, se puede detectar una Neumonía con una precisión de un 75%.
Detección de Plagas
 |
Con cámaras de drones se toma una foto de la hoja desde el sembradío. El modelo entrenado con Redes Neuronales Convolucionales se puede cargar en Java y Python para clasificar las cuatro enfermedades principales que afectan la producción de café, especialmente la roya. Se puede mejorar geolocalizando el avance de la plaga usando el GPS del dron. |