Επί του παρόντος, τα σύγχρονα συστήματα δεν αντιλαμβάνονται και δεν επεξεργάζονται αρκετά καλά τον κόσμο γύρω τους. Αυτοί
Δύο μελέτες από το Μπρίστολ και το Μάντσεστερ έδειξανπώς η αντίληψη και η μάθηση μπορούν να συνδυαστούν για τη δημιουργία νέων καμερών για συστήματα AI. Εισήγαγαν ένα συνελικτικό νευρωνικό δίκτυο (CNN) στο σύστημα όρασης SCAMP-5D. Είναι σε θέση να ταξινομήσει τι συμβαίνει μπροστά της με ταχύτητα 8.200 καρέ το δευτερόλεπτο.
Ένα συνελικτικό νευρικό δίκτυο (CNN) στο σύστημα όρασης SCAMP-5D που ταξινομεί τις χειρονομίες στα 8.200 καρέ ανά δευτερόλεπτο. Πίστωση: Πανεπιστήμιο του Μπρίστολ
Θυμηθείτε ότι ένα συνελικτικό νευρωνικό δίκτυο είναιένας τύπος αλγόριθμου AI. Τα CNN της ομάδας μπορούν να αναγνωρίσουν εικόνες χωρίς να χρειάζεται να τις καταγράψουν ή να τις στείλουν περαιτέρω σε συστήματα επεξεργασίας.
Σύστημα τεχνικής όρασης SCAMP-5d. Πίστωση: Πανεπιστήμιο του Μάντσεστερ
Αυτή η προσέγγιση θα κάνει τα συστήματα πολύ πιο αποτελεσματικά και ασφαλέστερα, καθώς δεν υπάρχει ανάγκη εγγραφής εικόνων για ανάλυση.
Η εργασία έγινε δυνατή από την αρχιτεκτονικήSCAMP, που αναπτύχθηκε από τον Peter Dudek, καθηγητή στο Πανεπιστήμιο του Μάντσεστερ και την ομάδα του. Το SCAMP είναι ένα τσιπ επεξεργαστή κάμερας, το οποίο οι επιστήμονες περιγράφουν ως Pixel Processor Array (PPA). Ο PPA διαθέτει έναν επεξεργαστή ενσωματωμένο σε κάθε pixel που μπορεί να επικοινωνεί μεταξύ τους για την επεξεργασία δεδομένων παράλληλα. Αυτό είναι ιδανικό για αλγόριθμους CNN και όρασης.
Η ανάπτυξη των επιστημόνων παρουσιάζεται στο Ευρωπαϊκό Συνέδριο για το Όραμα Υπολογιστών (ECCV).
Διαβάστε περισσότερα
Δείτε πώς εμφανίστηκε το φεγγάρι. Ο αρχαίος πλανήτης συντρίβει στη Γη
Οι αρχαιολόγοι έχουν βρει μια αρχαία ταφή στην Κριμαία. Υπήρχε ένα «εισιτήριο» για τη μετά θάνατον ζωή
Άμβλωση και επιστήμη: τι θα συμβεί στα παιδιά που θα γεννήσουν