Анализ изображений: внешняя среда и учитель

[matwey]

Всем привет,

Мои знания в области нейронный сетей ограничены книжкой Хайкина и играми с TensorFlow. Не могли бы вы подсказать мне названия конкретных подходов и алгоритмов для последующего самостоятельного изучения, с помощью которых можно успешно решить следующую задачу?

У меня есть объект внешнего мира - автомобильные ворота, с него в каждый момент времени $t$ поступает один бит информации $s(t)$ - "закрыто" или "открыто". И есть круглосуточная охранная камера, в поле зрения которой попадают эти ворота. Охранная камера не движется на больших масштабах времени. На малых масштабах времени на камере ходят люди, звери, машины и т.п., сменяется день и ночь. На средних и больших масштабах времени меняется погода и сменяются сезоны - выпадает снег и распускаются листья. Кроме того, есть непериодические изменения: например перекрасили забор в другой цвет, поставили новую будку охраны и т.п.

Я бы хотел с помощью анализа изображений с камеры решить следующую задачу. Иногда датчик ворот начинает "врать", т.е. говорить "закрыто", когда на самом деле открыто и наоборот. На вход я хочу подавать текущее изображение и текущий сигнал с ворот, а на выходе в каждый момент времени получать сигнал рассогласования: т.е. когда камера и датчик не сходятся во мнении относительно состояния ворот. На мой взгляд тут есть сложность: на больших масштабах времени я бы хотел чтобы сеть обучалась вслед за изменяющимся миром (забор перекрасили, камеру чуть сдвинули и т.п.), т.к. в основном "датчик" работает правильно, а на маленьких масштабах времени (несколько суток) - наоборот сохранять устойчивость по отношению к возможным некорректным значениям с датчика.

[matwey]

Я все же хотел бы разобраться в задаче с изначальной постановкой. Для себя, а не для начальства.

-- 24.12.2017, 17:08 --

Я рассуждал так. Допустим, я возьму архив данных без ошибок (даже пусть и с ошибками, малый процент не сильно скажется на точности), и построю сеть, которая отображает изображение в некоторой вектор, который потом отображается в "закрыто" и "открыто".
Тогда этот вектор с течением времени будет оставаться сильно скоррелирован со своим прошлым, если реальное состояние ворот не меняется.
Если же датчик начинает врать в определенный момент, то его значение изменяется, а изображение по прежнему коррелирует со своей предыдущей версией. Я считаю, что такую ситуацию возможно как-то заметить.