O Timbeter utiliza um processo de detecção de toras de madeira customizado baseado em aprendizado automático.
O algoritmo de detecção de toras do Timbeter é um processo de múltiplos passos. Cada passo progressivamente aprimora a qualidade da detecção enquanto dedica mais tempo a cada potencial detecção de toras de madeira.
As etapas são:
- Encontrar candidatas a toras de madeira iniciais
- Mesclar candidatos em uma detecção de toras única
- Filtrar detecções falsas
- Refinar o diâmetro e localização das detecções
- Processo de detecção de toras secundário
Passo nº1
As toras de madeira iniciais são encontradas usando um protocolo de janelas deslizantes. Uma janela consiste em diferentes sub seções retangulares de uma imagem e a detecção é criada cada vez que a janela se sobrepõe exatamente à tora. A janela é então movida e medida, assim todas as possíveis localizações e tamanhos de toras são testados. Isso significa aproximadamente 20 milhões de checagens individuais para uma imagem de tamanho padrão.
Passo nº2
Uma única tora de madeira pode desencadear o algoritmo de detecção múltiplas vezes, então vários candidatos podem corresponder à mesma tora física. Por causa disso, candidatos que estão muito próximos uns aos outros são mesclados em uma única detecção de tora. O tamanho e localização são estabelecidas pela média ponderada dos candidatos iniciais. A média é proveniente da certeza deste candidato.
Passo nº3
Uma vez que elas são detectadas, elas são filtradas: as detecções de toras improváveis são subsequentemente excluídas. Isto é baseado em diversas propriedades diferentes. Por exemplo, detecções muito pequenas são muito mais prováveis de serem falsas. Além disso, as toras que estão muito longe de outras detecções também são provavelmente falsas, ou são toras verdadeiras que não fazem parte da pilha. Muitos fatores adicionais são considerados, incluindo a certeza dada pela detecção inicial e a quantidade de sobreposições que as detecções tem de si.
Passo nº4
A filtragem é seguida pelo passo de refinamento. O processo de refinamento melhora a precisão das detecções encontradas. Por consequência do fato de que a detecção inicial precisa checar muitas localizações individuais, o processo é simplificado. Infelizmente, isto torna o processo impreciso. O algoritmo de refinamento, entretanto, é gerado para ser aplicado em algumas centenas de detecções que foram deixadas após a filtragem. Isso permite que o algoritmo de refinamento use mais poder de processamento e, consequentemente, seja mais preciso.
Passo nº5
Em seguida, um algoritmo secundário para encontrar as toras é aplicado. Similar ao processo de detecção inicial, este algoritmo usa um processo de janelas deslizantes. Contudo, há uma diferença notável: enquanto a detecção inicial é baseada na aparência geral das toras nas imagens, a detecção secundária apenas procura por toras que são similares àquelas que já foram encontradas. Isso permite que a detecção secundária seja capaz de encontrar toras de aparência mais inusual. Além disso, a segunda detecção é apenas aplicada na área da imagem, onde elas já foram encontradas com a detecção inicial do Passo nº1. As detecções encontradas na segunda vez são filtradas e refinadas, similar ao processo inicial.
Os passos 1 ao 5 ocorrem em apenas 30 segundos!
O processo do Timbeter de múltiplos passos é construído nos resultados de algoritmos prévios, permitindo ao Timbeter alcançar resultados precisos em um período breve de tempo, até mesmo em celulares e tablets com câmeras de menor qualidade. Enquanto isso, algoritmos mais fortes podem ser usados em um PC (devido ao seu extenso poder de processamento), o Timbeter oferece ao usuário resultados instantaneamente, até mesmo no meio de uma floresta, com pouca o nenhuma conexão à internet.
Através de extensa pesquisa e experimentos, a equipe de engenharia do Timbeter está continuamente melhorando a qualidade de detecção, então aguarde mais melhorias em breve!
