从机器视觉到主动感知
浏览量(276)
美国马里兰大学的计算机科学家们开发了一种利用神经形态摄像机创建主动感知的数学方法,很有可能促进该类设备在AI驱动系统中的实用性。
现有的机器视觉工程实现方式倾向于所谓的神经形态系统或事件摄像机,工作方式与人类视觉类似,监测的是亮度的变化而不是逐帧记录完整的RGB图像。尽管这类摄像机特别擅长连续运动的捕捉,但目前还不清楚如何有效地将图像数据与机器人自身的运动及动作信息联系起来,因而无法创建用于机器学习的单一认知框架,即主动感知。
为了解决数据融合难题,研究团队使用了一种被称为超维二元向量(HBV)的数据方法,该数据对象的长度可达10000位,易于被例如卷积神经网络(CNN)等机器学习体系结构所理解。利用无人机载和车载事件摄像机采集数据集并进行框架测试,研究人员相信,测试结果有利于自主机器人和自动驾驶汽车的导航、避障策略发展。
尽管关于HBV的运用还处于早期阶段,马里兰大学的研究人员强调,这类数据结构“可以将机器行为和感知的完整记录编码形成恒定大小的向量”。由此可知,HBV数据有利于开创一种实用、自然地方式,用于在机器设定中“创造具有语言意义和信息记忆”的动作及感知。
消息来源:
https://www.osa-opn.org/home/newsroom/2019/may/from_machine_vision_to_active_perception/
编译:云光子
分享至好友和朋友圈
免责声明:
网站内容来源于互联网、原创,由网络编辑负责审查,目的在于传递信息,提供专业服务,不代表本网站及新媒体平台赞同其观点和对其真实性负责。如因内容、版权问题存在异议的,请在 20个工作日内与我们取得联系,联系方式:021-80198330。网站及新媒体平台将加强监控与审核,一旦发现违反规定的内容,按国家法规处理,处理时间不超过24小时。