Dicen que una imagen vale más que mil palabras, pero ¿podrían mil palabras conllevar una imagen? El creador y desarrollador Diego Trujillo Pisanty buscó vigilar con su pastel de frambuesa-motorizado cámara ciega tesina. En ocasión de usar una cristal para capturar la luz y crear una imagen, audición el sonido y crea una enfoque de lo que podría estar a su más o menos en función del audio detectado.
El dispositivo funciona de modo similar a una cámara regular en el sentido de que apunta la cámara a lo que desea capturar y presiona un retoño para difundir una imagen. En este caso, sin bloqueo, tiene una claxon gigantesco en el frente que se usa para ayudar a amplificar la captación de sonidos. Los usuarios deben apuntar este cuerno en la dirección de lo que quieren capturar ayer de presionar el retoño. Luego, la cámara analiza el audio a través de un filtro AI y genera una imagen.
Según Pisanty, desarrolló una red neuronal sintético personalizada (o ANN) solo para este tesina. Entrenó a la IA con sus propios modelos basados en un conjunto de videos tomados más o menos de la Ciudad de México.
La plantilla se creó tomando cada cuadro de video y acompañándolo con el postrer segundo de audio. Esto creó una combinación de sonido y video que el sistema puede usar para crear imágenes. Adecuado a que fue entrenado de esa modo, todo lo que crea se base independientemente en imágenes del centro de la Ciudad de México.
Imagen 1 de 4
Para este tesina, Pisanty utiliza un módulo Raspberry Pi 3B. Sin bloqueo, sería posible recrearlo usando una Raspberry Pi 4. Siempre que la Pi pueda manejar Tensorflow, debería funcionar. La cámara igualmente tiene una pequeña pantalla que actúa como una especie de visor. Permite a los usuarios aprender cuándo se están procesando las imágenes y proporciona una apariencia previa de las imágenes generadas. Todo está alojado internamente de una carcasa impresa en 3D personalizada.
El maniquí de IA utilizado para entrenar la cámara ciega se creó con Python 3. Está diseñado para funcionar con Tensorflow 2 y se ejecuta en Raspberry Pi con TFLite. Si desea alegrar este tesina de Raspberry Pi o simplemente ver más de cerca cómo funciona, mire el video compartido por Pisanty en YouTube y lea más sobre el tesina en su sitio web.
Deja una respuesta