एक छोटी सी दार्शनिक पोस्ट के बारे में कि हमने अपनी आँखों में कैसे देखा

लेख में मैं एक छोटी सी तकनीकी समस्या के बारे में एक छोटी सी कहानी बताऊंगा और इसके आसपास के विभिन्न लोगों ने इसे कैसे हल किया। शायद यह कहानी पाठक को कुछ पाठ सीखने में मदद करेगी कि किस तरह की त्रुटियां कई बार होती हैं।
थोड़ा बहुत मटाना शामिल है।

आइरिस द्वारा लोगों को पहचानने का विचार 1987 में डॉ। जॉन डगमैन के साथ आया और 1989 में उनका पेटेंट कराया गया। उसी समय, एक प्रोटोटाइप सामने आया। उस समय, यह प्रौद्योगिकी का शिखर था। I386 / i486 स्तर के कंप्यूटरों पर पहले व्यावसायिक डिजिटल कैमरा + इमेज प्रोसेसिंग एल्गोरिदम से कुछ साल पहले। अब तक, मैं कल्पना नहीं कर सकता कि आप इस तरह के उपकरणों पर एक स्थिर परिणाम कैसे प्राप्त कर सकते हैं।
मैं जिस समस्या के बारे में बात करना चाहता हूं वह 2006-2009 के आसपास पैदा हुई थी। इस समय तक प्रोसेसर कुछ हद तक गतिमान थे, अच्छे कैमरे दिखाई दिए, 1989 का पेटेंट समाप्त हो गया, और आंखों की पहचान प्रणालियों को अब सभी को करने का अधिकार मिल गया। सिस्टम का क्लोन बनाने का फैसला करने वाले लोग आधुनिक तकनीक का उपयोग करना चाहते थे और एल्गोरिथ्म में सुधार करना चाहते थे। मेरी आँख को पकड़ने वाली पहली चीज़ पुरानी आँख तुलना एल्गोरिथ्म थी जो निकट आईआर रेंज में आँख की एक छवि का उपयोग करती थी। यह तथ्य कि आंखें रंगीन हैं, पर ध्यान नहीं दिया गया।

सिद्धांत की एक बिट

आईरिस एक व्यक्ति की एक अनूठी विशेषता है। आईरिस पैटर्न भ्रूण के विकास के आठवें महीने में बनता है, अंत में लगभग दो साल की उम्र में स्थिर हो जाता है और गंभीर चोटों या तेज विकृति के परिणामस्वरूप, जीवन के दौरान व्यावहारिक रूप से नहीं बदलता है। बायोमेट्रिक विधियों के बीच विधि सबसे सटीक है।
काले और सफेद आंखों के लिए क्लासिक मान्यता एल्गोरिथ्म, दो भागों में शामिल हैं - विभाजन और तुलना ।
सेगमेंटेशन एक तस्वीर या एक वीडियो स्ट्रीम में आंख का आवंटन है। विभाजन एल्गोरिथ्म उपयोग किए गए उपकरणों और ऑप्टिकल कॉन्फ़िगरेशन पर अत्यधिक निर्भर है। तुलना के विपरीत, जो एक गणितीय रूप से कठोर कार्य है, बहुत अधिक चर के साथ विभाजन एक समस्या है। आपको हमेशा कुछ न कुछ आविष्कार और धुन करना होगा। डगमैन ने अपने पेटेंट में एक सर्कल के रूप में आंख की तलाश के लिए सेगमेंटिंग का प्रस्ताव रखा, जिसके लिए ग्रेडिएंट अधिकतम है:

यहाँ G छवि के गॉसियन कलंक का संचालक है, और I (x, y) छवि ही है। इसके अलावा, छांटे जाने वाली परिकल्पनाओं की संख्या डब्ल्यू ∙ एच number (आर _{अधिकतम} -आर _मिनट ) के लगभग बराबर है, जहां डब्ल्यू छवि की चौड़ाई है, एच इसकी ऊंचाई है, आर _{अधिकतम} और आर _मिनट क्रमशः अधिकतम और न्यूनतम रेडियो हैं। डगमैन का एल्गोरिथ्म हलकों के लिए अंदर से बाहर पर्याप्त रूपांतर है। अपने शुद्ध रूप में, यह लागू नहीं है। Hough रूपांतरण स्वयं अस्थिर है, इसके अलावा, आधुनिक Intel i7 प्रोसेसर पर, प्रारंभिक अनुकूलन के बिना 1.3 मेगापिक्सेल छवि के लिए यह ऑपरेशन कई सेकंड के बारे में है। वास्तविक समय के काम को प्राप्त करने के लिए कई चालें और चालें हैं।
सबसे सुंदर में से एक प्रकाश व्यवस्था का उपयोग करना है जो पुतली पर एक विशेषता भड़कता है और उस भड़क की तलाश करता है। इस तरह की चमक यहाँ स्पष्ट रूप से दिखाई देती है:

चकाचौंध खोज समस्या नेत्र खोज कार्य की तुलना में कम्प्यूटेशनल रूप से सरल है। और फिर चकाचौंध के आसपास के क्षेत्र में आंख की तलाश की जाती है।
विभाजन के परिणामस्वरूप, पुतली और परितारिका का पता लगाया जाता है। भविष्य के उपयोग के लिए रुचि के क्षेत्र आईरिस पर चिह्नित हैं। यह खंडित क्षेत्र निकला है:

दूसरी अक्सर तुलना होती है । आईरिस को उजागर करने के बाद, इसे अन्य आईरिस के साथ सुविधाजनक तुलना के लिए सामान्यीकृत करने की आवश्यकता है। परितारिका को ध्रुवीय निर्देशांक से एक आयत में घुमाया जाता है और फ़िल्टर किया जाता है। एक फिल्टर के रूप में, डगमैन ने गैबर फिल्टर का उपयोग करने का सुझाव दिया, जो आपको विशेषता क्षेत्रों पर जोर देने और उच्च आवृत्ति शोर को कम करने की अनुमति देता है:

यद्यपि, निश्चित रूप से, उपयोग किए गए फ़िल्टर को उपकरण के आधार पर कॉन्फ़िगर किया गया है। रूपांतरित आइरिस को आइरिस कोड कहा जाता है। इस तरह के irises कुछ इस तरह दिखते हैं:
-उपयुक्त रंगीन आईरिस।
__________________________________________________________________________
शीर्ष पर एक मुखौटा के साथ काले और सफेद परितारिका।
__________________________________________________________________________
- क्लीन आइरिस कोड ।

दो आइरिस की तुलना करने के लिए, प्राप्त आइरिस कोड के लिए, एक हैमिंग दूरी का निर्माण किया जाता है, जो इस मामले में वस्तुओं के सहसंबंध का एक उपाय है। दो कोडों के बीच हैमिंग की दूरी जितनी कम होगी, वे एक दूसरे के उतने ही करीब होंगे। यदि हम एक दूसरे के साथ चित्रों के पर्याप्त बड़े आधार की तुलना करते हैं, तो इसके लिए हैमिंग दूरी की गणना करें और परिणामी हिस्टोग्राम का निर्माण करें, हमें निम्न वितरण मिलता है:

बाईं ओर का कूबड़, सफेद रंग में खींचा गया, समान आंखों की तुलना उसी के साथ होगी। काले रंग में खींचा गया सही कूबड़, विभिन्न आंखों की तुलना एक-दूसरे से करेगा। इस ग्राफ से, एक संख्या ली जाती है जो दो कूबड़ को अच्छी तरह से अलग करती है। आमतौर पर उन्हें बाएं कूबड़ के करीब चुना जाता है: एक व्यक्ति को रोकने के लिए जासूस को याद करने से बेहतर है। इस चार्ट के लिए, यह 0.32 जैसा कुछ है।
भविष्य में, सिस्टम यह तय करता है कि किसी व्यक्ति को छोड़ दिया जा सकता है यदि उसका आई कोड डेटाबेस से किसी अन्य कोड के साथ 0.32 से कम दूरी है।

प्रागितिहास

आंखों की पहचान के विषय पर , मैं और दो अन्य दोस्त (एक - वासुतुका , दूसरा - स्ट्रेपटगढ़ ) MIPT के चौथे वर्ष में संलग्न होना शुरू हुए। हमें सूचना सुरक्षा पर एक पाठ्यक्रम परियोजना करने की आवश्यकता है। फिर हमने एक वेब कैमरा, एक स्पीकर केस, एक किचेन और क्लोथस्पिन का उपयोग करके एक साधारण नेत्र मान्यता प्रणाली बनाई। यह देखते हुए कि यह कितना अच्छा काम करता है (हमने संस्थान की प्रतियोगिता जीती और सकारात्मक प्रतिक्रिया मिली), हमने इसे एक पूर्ण प्रणाली में जोड़ने का फैसला किया। अगले साल अनह्रिड प्रोग्रामिंग के लिए, हमने सिस्टम को पूरी तरह से काम करने वाले उत्पाद में लाया। यहीं पर निवेशक आए। लेकिन वे कुछ अजीब चाहते थे।
उसी समय, जब हमने अपनी आँखें घुमाईं, तो हमारे भविष्य के निवेशक इस तथ्य से परिचित हुए कि आँखों को एक काले और सफेद चित्र से नहीं, बल्कि एक रंगीन चित्र से पहचानने का विचार कहीं और पेटेंट नहीं कराया गया था। और ऐसे लोग जो तकनीकी रूप से समझदार हैं और एक वाणिज्यिक नस के अधिकारी हैं, उन्होंने एक पेटेंट प्राप्त करने का फैसला किया। सच है, वे नहीं जानते थे कि कैसे प्रोग्राम करना है, और इससे भी अधिक इस मामले में निहित गणित को समझ में नहीं आया।

पहेली के लिए पहला दृष्टिकोण

आइए अपनी भेड़ों के पास वापस जाएं। सबसे पहले, निवेशक हमारे पास नहीं आए, लेकिन एकमात्र कंपनी है जो रूस में आंखों की पहचान में लगी हुई थी और उसके पास एक तैयार उत्पाद (तैयार-निर्मित स्कैनर + एल्गोरिदम) था। निवेशकों ने एक अध्ययन शुरू किया कि रंग पहचान कैसे आँकड़ों में सुधार करेगी। कंपनी का कार्य के लिए दृष्टिकोण बहुत तकनीकी था। उन्होंने प्रत्येक आरजीबी चैनल के लिए आइरिस कोड अलग से बनाया और एक ही व्यक्ति के लिए तीन तत्वों की तुलना की। वास्तव में, उन्होंने मौजूदा तकनीक को लिया और इसमें नया डेटा डाला।
आइए देखें कि उन्होंने वास्तव में क्या किया। हम चैनलों में छवि को विघटित करते हैं:

जैसा कि ऊपर उल्लेख किया गया है, एक छवि की बनावट पर जोर देने के लिए, यह एक गैबर फिल्टर या कुछ अन्य मध्यम-आवृत्ति फिल्टर का उपयोग करने के लिए प्रथागत है जो सीमाओं पर जोर देती है। वह इन चित्रों को इसमें बदल देता है:

जैसा कि आप देख सकते हैं, सभी रंगों के लिए संरचना लगभग समान है। विभिन्न रंगों में आंखों की तुलना के परिणाम लगभग हमेशा मेल खाते हैं। उस फर्म द्वारा लिखी गई एक रिपोर्ट में, इस निष्कर्ष की शानदार ढंग से पुष्टि की गई थी। इसके अलावा, ऐसी मान्यता वाले आंकड़े काफी बिगड़ रहे हैं। आखिरकार, एक रंगीन कैमरा एक बायर फिल्टर का उपयोग करता है :

इसलिए, काले और सफेद रंग के समान रिज़ॉल्यूशन की रंगीन छवि रखने के लिए, आपको चार गुना छोटे पिक्सेल का उपयोग करने की आवश्यकता होती है, जो कि फिल्टर के कारण तीन गुना कम प्रकाश एकत्र करेगा। जो सिग्नल-टू-शोर अनुपात को काफी कम करता है।
इस दृष्टिकोण के साथ दूसरी समस्या काली आँखें हैं। सफेद प्रकाश व्यवस्था के तहत उनमें कुछ देखने के लिए, वहाँ सब कुछ जला दिया जाना चाहिए।

सामान्य तौर पर, पूर्वगामी के आधार पर, लोगों ने कहा कि रंगीन आंखों द्वारा मान्यता असंभव है।
विचार 1. अच्छी तरह से स्थापित तरीके हमेशा नई परिस्थितियों में काम नहीं करेंगे। यदि आप एक शोध समस्या का सामना करते हैं और प्रसिद्ध तरीकों ने काम नहीं किया है, तो इसका मतलब यह नहीं है कि समस्या हल नहीं हुई है।

अनुसंधान दृष्टिकोण, उर्फ ​​ब्रिटिश वैज्ञानिक दृष्टिकोण

यदि आप कथानक का पालन करते हैं, तो एक खंड होना चाहिए था कि हम कैसे दिखाई दिए और जल्दी से सब कुछ हल कर दिया। मुझे रेखीय कथन पसंद नहीं है। मैं आपको पहले बेहतर तरीके से बताऊंगा कि इस समस्या को विभिन्न संस्थानों में दुनिया के बाकी हिस्सों में कैसे संपर्क किया गया। एक काम रंग पहचान एल्गोरिथ्म बनाने के बाद हम इन अध्ययनों में आए। और वे लोगों के जंगल में दिलचस्पी से देखते थे कि उनका वैज्ञानिक दृष्टिकोण लाने में कामयाब रहा।
तथ्य यह है कि आरजीबी जानकारी के रूप में रंग का उपयोग करते समय प्रत्येक परत में डुप्लिकेट किया जाता है कई के लिए हुआ है। एक रंग स्थान का उपयोग करना तर्कसंगत होगा जहां चमक जानकारी रंग से स्वतंत्र होगी। यह संभव है अगर प्रत्येक पिक्सेल का रंग एक निश्चित एक आयामी विशेषता के रूप में माना जाता है ताकि दो पिक्सेल की तुलना की जा सके। मुझे लगता है कि लगभग सभी पाठक HSL ( HSV ) रंग स्थान से परिचित हैं। इसमें, रंग निर्देशांक चमक, संतृप्ति और टोन (तरंग दैर्ध्य के एनालॉग) के माध्यम से निर्धारित किए जाते हैं।

इस विषय पर पहला काम, मुझे लगता है, यह एक था। उसके बाद पुर्तगाली संस्थान में अध्ययन की एक श्रृंखला थी। शोधकर्ताओं ने विभिन्न रंग स्थानों में अनुवाद करने और उनमें छवियों की तुलना करने के साथ प्रयोग किया। उन्होंने ईमानदारी से सभी मानक रंग स्थानों की जांच की: लैब , सीएमवाईके , एचएसवी, आदि ... उन्होंने irises पर प्रकाश डाला और उन्हें एक-दूसरे के साथ सहसंबंधित किया। हमने सभी रंगों के लिए एफएआर और एफआरआर के वितरण का निर्माण किया, साथ ही एक दूसरे पर उनकी सांख्यिकीय निर्भरता भी। बहुत सारी खूबसूरत प्लेटें खींचीं। उन्होंने विभिन्न रंग स्थानों के फायदे और नुकसान को चित्रित किया। और यह पता चला कि तरंग दैर्ध्य बहुत अस्थिर संकेत है। बाकी की तुलना में इसमें बहुत ज्यादा शोर है। और सत्य है! यदि आप देखते हैं कि एचएसएल अंतरिक्ष में ऊपर की आंख कैसे दिखती है, तो आप देखेंगे कि एच चैनल में भयानक शोर हैं।

जब आंख की दो छवियों की तुलना करने की कोशिश की जाती है, तो सहसंबंध अन्य चैनलों की तुलना में बहुत खराब होगा। नतीजतन, अध्ययनों से पता चला है कि केवल सांख्यिकीय रूप से स्वतंत्र चमक पैरामीटर आंखों का रंग है। जिसके बाद उन्होंने खुशी से उसे बहुत शोर और अविश्वसनीय के रूप में खारिज कर दिया।
सोचा २ । यदि एक नया शोध कार्य पुराने के समान है, तो इसे हल करते समय, पहले मतभेदों पर ध्यान देने योग्य है। यदि मतभेद महत्वपूर्ण नहीं हैं, तो क्या नया कार्य समझ में आता है?
मुझे यह स्वीकार करना चाहिए कि उन्हें अभी भी अपने दृष्टिकोण के साथ अच्छे आंकड़े मिले हैं। उदाहरण के लिए, यहाँ इस लेख में। सच है, इसका वास्तविकता से कोई लेना-देना नहीं है। पिछले अध्ययन के विपरीत, आँखों के वास्तविक आधार का उपयोग नहीं किया गया था, लेकिन इस तरह से प्राप्त किया गया आधार:

इस तरह के आधार की शूटिंग करते समय, सिर तय हो जाता है और एक मजबूत फ्लैश आंख को मारता है। प्राप्त रिज़ॉल्यूशन मौजूदा सामान्य स्कैनर की तुलना में कई गुना बेहतर है।
वास्तव में, उपयोग किए गए आई स्कैनर के संकल्प आपको 70-100 पिक्सल के आईरिस त्रिज्या के साथ आंखों को पकड़ने की अनुमति देते हैं। यह स्वीकार्य प्रकाश व्यवस्था की शक्ति और सिस्टम के क्षेत्र की गहराई के कारण है।
सोचा ३ । एक वास्तविक समस्या का समाधान, एक को पहले इस्तेमाल किए गए उपकरणों की विशेषताओं पर निर्माण करना चाहिए, और एक सुंदर गणितीय मॉडल पर नहीं।

हमारा रूप

पहली कंपनी के डेवलपर्स, जिसके बाद निवेशक बदल गया, ने समझाया कि बीडब्ल्यू द्वारा मान्यता से रंग मान्यता बदतर है, निवेशक चिंतित हो गया। एक पेटेंट सस्ता नहीं है और इसे बनाए रखने के लिए धन के अतिरिक्त इंजेक्शन की आवश्यकता होती है। निवेशक ने हमें तीन दिन पहले पाया कि उन्हें यह तय करने की आवश्यकता है कि परियोजना को छोड़ना है या इसे मर्ज करना है। और पहले से ही इन तीन दिनों में हमने आँकड़ों को सुधारने का पहला उपाय खोज लिया है। हमेशा की तरह, ऐसी स्थितियों में, दृष्टिकोण लागू किया जाता है: "तेजी से आने के लिए क्या होगा, ताकि यह काम करे।" रंगीन आंखों की तुलना करने की आवश्यकता है? तो आइए बब्लू की तुलना करें और आंख के औसत रंग की तुलना करें। यह पता चला है कि आपकी आंख का रंग एक मनमाने ढंग से ली गई आंख के साथ मेल खाता है, जो कि लगभग 10% है और 90% संयोग के साथ ही है।
यह 3 बार आँकड़ों को बेहतर बनाने के लिए पर्याप्त था, जो उपरोक्त अध्ययनों में से किसी ने भी हासिल नहीं किया था।
निवेशक को संतुष्ट करना और उसे विषय में बने रहने के लिए धकेलना और हमारे साथ एक समझौते का समापन करना, हमने एक वास्तविक अध्ययन शुरू किया। और पहले से ही पहले चरण से हम उपर्युक्त सभी कार्यों की तुलना में अलग तरीके से चले गए। रंगीन आँखों की तुलना करने की गणितीय समस्या को हल करने के बजाय, हमने एक विशुद्ध रूप से तकनीकी समस्या को हल करके शुरू किया: "कैसे रंगीन कैमरे आँखें लेते हैं और प्रकाश की कितनी आवश्यकता होती है।" लगभग काले आइरिस वाले पहले एशियाई के बाद, हमने महसूस किया कि अवरक्त स्पेक्ट्रम को मना करना असंभव था। ऐसा करने के लिए, हमें आईआर फिल्टर के साथ और दो बैकलाइट सिस्टम के साथ एक रंगीन कैमरा का उपयोग करना पड़ा: अवरक्त और रंग। अवरक्त भाग को एक क्लासिक तुलना प्रदान करना चाहिए था, और रंग भाग को एक अतिरिक्त घटक जोड़ना था जो कि किसी भी मौजूदा सिस्टम की तुलना में सिस्टम को "मजबूत" बना देगा।
आंखों की छवियों का पर्याप्त आधार प्राप्त करने के बाद, हमने रंगीन आंखों से अतिरिक्त जानकारी खींचने की कोशिश शुरू की। बेशक, हमने आरजीबी स्पेक्ट्रम में तुलना की कोशिश की, यह सुनिश्चित करते हुए लगभग तुरंत कि यह कुछ भी नहीं देता है। और इसके ठीक बाद हम एचएसएल स्पेक्ट्रम में तुलना करने आए। वैसे, ऊपर एचएसएल अंतरिक्ष में फैली आंख को फोटो खींचने की "अच्छी" विधि द्वारा प्राप्त किया गया था। कैमरे द्वारा प्राप्त वास्तविक आँखें इस प्रकार हैं:

इसी तरह की छवियों पर, हम कई दिनों तक बेवकूफ बने रहते हैं। दरअसल, एक तरफ, एच और एस चैनल में नई जानकारी होती है। लेकिन दूसरी ओर, यह बहुत शोर है, और बीडब्ल्यू आंखों के साथ थोड़ा स्थानिक रूप से सहसंबद्ध है। समाधान सरल और सुरुचिपूर्ण था। अगर हमें केवल रंग के बारे में जानकारी की आवश्यकता है, तो हमें स्थानिक जानकारी पर स्कोर करने की आवश्यकता है। आंख के लिए रंगों के वितरण का एक हिस्टोग्राम बनाएं। इस तरह का हिस्टोग्राम उनके ऊपर औसतन शोर भी करेगा। ऐसे हिस्टोग्राम के अनुसार, आप जल्दी से तुलना कर सकते हैं, और सबसे महत्वपूर्ण बात यह है कि एच और एस चैनलों के लिए ऐसे हिस्टोग्राम के मान्यता परिणाम एक दूसरे के साथ संबंध नहीं रखते हैं और बीडब्ल्यू आंखों को पहचानने के लिए शास्त्रीय विधि के साथ सहसंबंध नहीं करते हैं:

हिस्टोग्राम एच के केवल बीस अंक 6 प्रतिशत पर झूठी सहिष्णुता और झूठी सहिष्णुता के वक्र का प्रतिच्छेदन देते हैं। एक और 10% एस हिस्टोग्राम द्वारा प्रदान किया जाता है। बेशक, इस तरह के प्रतिशत में वृद्धि नहीं होती है, उन्हें अधिक चालाक तरीके से ध्यान में रखा जाना चाहिए। उदाहरण के लिए एसवीएम ।
इस सभी शोध के लिए, इसमें हमें लगभग 15 दिन और डेढ़ लोग लगे। वैज्ञानिक गतिविधि के साथ तुलना करने के लिए यह बहुत मज़ेदार है, जो इस विषय पर कई वर्षों से उपरोक्त लेखों में प्रतिबंधित है।

अंतभाषण

इस कहानी के दो लक्ष्य थे। पहली बार मटन की एक छोटी राशि के साथ एक कहानी बताई गई है, और इसे पढ़ने के लिए अपने दस मिनट मार दें। दूसरा एल्गोरिदम के विकास में कई समस्याओं पर ध्यान देना है जो अक्सर आसपास पाए जाते हैं और जिसमें मैं नियमित रूप से शामिल होता हूं।
मौजूदा पैटर्न के लिए पहली समस्या अति-उत्साह है। अक्सर एक नई समस्या को हल करते समय, वे इसे मौजूदा एल्गोरिदम में कम करने की कोशिश करते हैं। और आप यह नहीं कह सकते कि यह बुरा है। लेकिन पीटा ट्रैक नीचे जाने की इच्छा अक्सर सभी काम को अवमूल्यन करती है। सबसे करामाती उदाहरण वह वाक्यांश है जो मुझे एक बार एक रिपोर्ट में मिला था: "इस समस्या को OpenCV विधियों द्वारा हल नहीं किया जा सकता है, जिसका अर्थ है कि यह अस्वीकार्य है।"
दूसरी समस्या अत्यधिक पूर्णतावाद है। जब कोई कार्य कम या अधिक वैज्ञानिक होता है, तो वह अपने विकास के लिए ब्रांचिंग के अवसरों का एक पूरा पेड़ पैदा करता है। हर चोटी से दूर कुछ उपयोगी है। लक्ष्य के दिल में स्थित लक्ष्य पर ध्यान केंद्रित करना अक्सर मुश्किल, लगभग असंभव होता है। खाली स्थानों की अंतहीन खोज शुरू होती है। और सबसे बुरी बात यह है कि आधुनिक वैज्ञानिक समुदाय इस तरह के दृष्टिकोण को प्रोत्साहित करता है। और अगर गणित या सैद्धांतिक भौतिकी में यह थोड़ा सा भी समझ में आता है, तो तकनीकी विज्ञान में यह अधिक से अधिक "ब्रिटिश वैज्ञानिकों" उत्पन्न करता है। हिर्श इंडेक्स इसका एक गवाह है। यह महसूस करना कि यह पहले से ही कुछ प्रकार का सिमुलैक्रम है, जहां पॉपर अपने टैम्बूरिन के साथ भी शक्तिहीन है ...
और इसलिए आप अगली समस्या को हल करते हुए स्काइला और चेरबिडिस के बीच जाते हैं। और आप इसमें दोहरा नहीं सकते हैं और खोद सकते हैं। और आप ऐसे मामलों में क्या करते हैं?

छोटे-छोटे जोड़

• किसी दिन, मुझे आशा है, मैं आईरिस स्कैनर के विषय और उनके विकास की प्रक्रिया पर एक लेख लिखूंगा। कई मजेदार राक्षसी चित्र होंगे।
• एल्गोरिदम के साथ डिवाइस जो हमने निवेशक के लिए विकसित किए थे, उन्हें कई कारणों से कभी भी बाजार में जारी नहीं किया गया था। और हम कम या ज्यादा जीवंत अवस्था में bw के लिए एल्गोरिदम का समर्थन करते हैं।
• डेवलपर्स, जिनके पास निवेशक पहले आया था, मुझे कहना होगा, हालांकि उन्होंने समस्या को बहुत ही स्क्रैप तरीके से हल करने की कोशिश की, लेकिन उन्होंने काम से बहुत मूल्यवान सामग्री निकाली। तब से, उनके स्कैनर में एक सफेद रोशनी खड़ी हुई है, जो पुतली को अनुबंधित करती है, जिससे कार्य क्षेत्र बढ़ जाता है।