طراحي سيستم هايي با قابليت موقعيت يابي دقيق و فارغ از نياز به واي فاي، سنسور، امواج بلوتوث و به طور كلي هر گونه ابزار پيچيده به منظور موقعيت يابي و مسيريابي دقيق يكي از چالش هاي بزرگ دنياي امروز مي باشد . چنين سيستم هايي مي توانند داراي كاربري هاي متعددي از جمله در مسيريابي هاي داخلي (فضاهاي بسته) , هدايت ربات هاي هوشمند, هدايت وسايل نقليه هوشمند, هدايت پهبادها، تهيه اطلاعات تكميلي محيط هاي سرپوشيده از جمله انبارها, خطوط توليد و كارخانجات و داخل تونل ها و بسازي موارد مشابه ديگر باشند. دستاورد حاضر، فارغ از تجسم‌هاي مختلفي كه مي‌تواند داشته باشد، به طور كلي مربوط به يك روش براي موقعيت يابي دوربين و سيستم توسعه يافته مربوط به آن؛ و به طور خاص مربوط به روش و سيستم موقعيت يابي دوربين در فضاهاي بسته با استفاده از شبكه هاي عصبي عميق مي باشد. روش و سيستم موقعيت يابي مذكور، در يك تجسم، مبتني بر يادگيري ماشين بوده و ويژگي هاي فني خاص آن امكان موقعيت يابي دوربين يا كاربر را بدون نياز به واي فاي، بلوتوث، ابزارها و سنسورهاي گران قيمت، و ديگر موارد مشابه فراهم مي سازد. در يك تجسم از دستاورد حاضر، روش موقعيت يابي دوربين شامل دريافت حداقل يك تصوير رنگي از يك صحنه توسط يك شبكه عصبي عميق پيچشيِ طبقه‌بند؛ بازشناسي صحنه مذكور توسط شبكه عصبي عميق پيچشيِ طبقه‌بند مذكور؛ ديافت ديتاي توده نقاط بازسازي شده و تصوير رنگي مذكور توسط يك شبكه عصبي عميق پيچشي رگرسيون چند مودي (multi-modal) شامل يك شبكه عصبي عميق پيچشي رگرسيون اول و يك شبكه عصبي عميق پيچشي رگرسيون دوم؛ و تخمين زدن موقعيت دوربين يا كاربر توسط شبكه عصبي عميق پيچشي رگرسيون چند مودي مي باشد.

تشخيص اصالت چهره همواره يك از چالش هاي بزرگ سيستم هاي امنيتي بر پايه تشخيص چهره بوده است. سيستم هايي با قابليت تشخيص چهره اصل از چهره جعلي با دقت و صحت بالا و فارغ از نياز به هر گونه ابزار پيچيده از جمله انواع سنسور مي توانند راه حل مناسبي براي برخورد با اين چالش بزرگ باشند. دستاورد حاضر، فارغ از تجسم‌هاي مختلفي كه مي‌تواند داشته باشد، به طور كلي مربوط به يك روش براي اصالت سنجي چهره و سيستم توسعه يافته مرتبط با آن؛ و به طور خاص مربوط به روش و سيستم اصالت سنجي چهره با استفاده از يك شبكه عصبي عميق پيچشي مي باشد. بر اساس اين جنبه كلي روش و سيستم اصالت سنجي چهره شامل يا متشكل از چندين مرحله مي باشد و/يا با استفاده از يك مجموعه عملكرد به انجام مي رسد. در يك تجسم از دستاورد حاضر، روش مذكور شامل دريافت كردن حداقل يك اطلاعات ديداري از يك چهره، تشخيص دادن محدوده چهره با استفاده از يك روش شامل يك روش كلاسيك يا يك روش يادگيري ژرف، و طبقه بندي كردن چهره به عنوان يك چهره اصلي و/يا يك چهره جعلي با استفاده از يك "شبكه عصبي پيچشي (CNN) آموزش داده شده" مي باشد. روش و سيستم اصالت سنجي چهره مذكور، امكان تشخيص اصالت چهره كاربر را بدون نياز به ابزارهايي همچون سنسورهاي گران قيمت يا ديگر موارد مشابه فراهم مي سازد.