Kinesiske forskere har erstattet linser som brukes i klassiske maskinsynssystemer med
Forskerne bemerker at for åDatasyn har nå en tendens til å bruke konvolusjonelle nevrale nettverk. Denne teknologien gir den nødvendige kvaliteten, men de enorme datamengdene som er involvert i bildebehandling krever utstyr som bruker mye strøm, og dessuten kan ikke beregningene alltid utføres «på plass».
Bilde: Wanxin Shi et al., Lys: Vitenskap og applikasjoner
Teknologien foreslått av forskere i et nytt arbeid,bruker en passiv maske satt inn i bildets lysbane for å utføre konvolusjonsoperasjoner i det optiske feltet. Denne tilnærmingen, som forskere bemerker, løser problemet med å behandle usammenhengende og bredbåndslyssignaler i naturlige scener. I tillegg, i det nye systemet, samhandler den optiske kanalen, bildebehandlingen og det interne nettverket på en slik måte at det reduserer datamengden og strømforbruket i hele systemet, sier forfatterne av utviklingen.
Forskerne testet utviklingen deres forgjenkjennelse og klassifisering av håndskrevne sifre. Resultatene viste at når du bruker en enkelt konvolusjonskjerne, kan gjenkjenningsnøyaktigheten nå 93,47 %. Når flerkanals konvolusjonsoperasjonen implementeres ved å plassere flere kjerner på masken parallelt, øker klassifiseringsnøyaktigheten til 97,21 %. Samtidig, sammenlignet med tradisjonelle linjer med maskinsyn, bruker systemet halvparten av energien.
Bilde: Wanxin Shi et al., Lys: Vitenskap og applikasjoner
Forskerne bemerker også at teknologienkan brukes til ansiktsgjenkjenning, men selve ansiktsbildene blir ikke lagret eller behandlet i systemet, noe som øker konfidensialiteten til data og beskytter personvern og personvern.
Utviklerne tror at den nye arkitekturen vil ha mange potensielle applikasjoner i mange virkelige scenarier som autonom kjøring, smarte hjem og smart sikkerhet.
Les mer
Se på den "stille" dronen med en ny generasjon ionefremdrift
Uranus er en veldig merkelig planet. Vi forklarer hvorfor astronomer ønsker å sende en sonde til den
Forskere foreslår å revidere grunnlaget for kvantefysikk og vise hvor de ikke fungerer