För närvarande uppfattar och bearbetar moderna system inte världen omkring dem tillräckligt bra. De
Två studier från Bristol och Manchester visadehur perception och lärande kan kombineras för att skapa nya kameror för AI-system. De introducerade ett konvolutionellt neuralt nätverk (CNN) i SCAMP-5D-visionsystemet. Hon kan klassificera vad som händer framför henne med en hastighet av 8 200 bilder per sekund.
Ett konvolutionsneuralt nätverk (CNN) i SCAMP-5D-visionssystemet som klassificerar handgester med 8 200 bilder per sekund. Kredit: University of Bristol
Kom ihåg att ett konvolutionellt neuralt nätverk ären typ av AI-algoritm. Teamets CNN:er kan känna igen bilder utan att behöva spela in dem eller skicka dem vidare till bearbetningssystem.
SCAMP-5d tekniskt visionssystem. Kredit: University of Manchester
Detta tillvägagångssätt kommer att göra systemen mycket effektivare och säkrare eftersom det inte finns något behov av att spela in bilder för att analysera dem.
Arbete möjliggjort av arkitekturSCAMP, utvecklad av Peter Dudek, professor vid University of Manchester, och hans team. SCAMP är ett kameraprocessorchip som forskare beskriver som en Pixel Processor Array (PPA). PPA har en processor inbyggd i varje pixel som kan kommunicera med varandra för att bearbeta data parallellt. Detta är perfekt för CNN och vision algoritmer.
Forskarnas utveckling presenteras vid European Conference on Computer Vision (ECCV).
Läs mer
Se hur månen uppstod. Forntida planet kraschade in i jorden
Arkeologer har hittat en gammal begravning på Krim. Det fanns en "biljett" till efterlivet
Abort och vetenskap: vad kommer att hända med barnen som kommer att föda