211service.com
Bioloģiski iedvesmotas redzes sistēmas
MIT neirozinātnieki ir izstrādājuši datora modeli, kas atdarina cilvēka redzes sistēmu, lai precīzi noteiktu un atpazītu objektus noslogotās ielas ainā, piemēram, automašīnas un motocikli.
Objektu atpazīšana ainā, piemēram, automašīna šeit redzamajā ielas ainā, var būt izaicinājums datoriem. Veiksmīgu pieeju piedāvā modelis, kā smadzenes apstrādā vizuālo informāciju.
Šādas bioloģiski iedvesmotas redzes sistēmas drīzumā varētu izmantot novērošanas sistēmās vai viedos sensoros, kas var brīdināt vadītājus par gājējiem un citiem šķēršļiem. Tas var arī palīdzēt tā saukto vizuālo meklētājprogrammu izstrādē, saka Tomass Serre , neirozinātnieks uzņēmumā Bioloģijas un skaitļošanas mācību centrs MIT McGovern smadzeņu pētniecības institūtā, kurš bija iesaistīts projektā.
Pētnieki jau gadiem ilgi ir bijuši ieinteresēti mēģināt kopēt bioloģiskās redzes sistēmas vienkārši tāpēc, ka tās ir tik labas, saka Deivids Hogs, datorredzes eksperts no Līdsas universitātes Apvienotajā Karalistē. Viņš saka, ka šis ir ļoti veiksmīgs [bioloģiskās redzes atdarināšanas] piemērs.
Datora mācīšana klasificēt objektus ir izrādījusies daudz grūtāka, nekā sākotnēji bija paredzēts, saka Serre, kurš veica darbu ar Tomaso Podžo , centra līdzdirektors. No vienas puses, lai atpazītu noteikta veida objektu, piemēram, automašīnu, datoram ir nepieciešama šim konkrētajam objektam raksturīga veidne vai skaitļošanas attēlojums. Šāda veidne ļauj datoram atšķirt automašīnu no citu klašu objektiem, kas nav automašīnas. Tomēr šim attēlojumam ir jābūt pietiekami elastīgam, lai iekļautu visu veidu automašīnas — neatkarīgi no izskata dažādības — dažādos leņķos, pozīcijās un pozās, kā arī dažādos apgaismojuma apstākļos.
Jūs vēlaties, lai jūs varētu atpazīt objektu jebkurā redzamības laukā, neatkarīgi no tā, kur tas atrodas un neatkarīgi no tā lieluma, saka Serre. Tomēr, ja analizējat attēlus tikai pēc to gaišo un tumšo pikseļu modeļiem, divi dažādu cilvēku portreta attēli var izskatīties līdzīgāki nekā divi vienas un tās pašas personas attēli, kas uzņemti no dažādiem leņķiem.
Visefektīvākā metode šādu problēmu risināšanai ir apmācīt attēlu kopas mācību algoritmu un ļaut tam iegūt kopīgās funkcijas; piemēram, divi riteņi, kas novietoti uz ceļa, varētu signalizēt par automašīnu. Serre un Poggio uzskata, ka cilvēka redzes sistēma izmanto līdzīgu pieeju, bet tādu, kas ir atkarīga no secīgu slāņu hierarhijas redzes garozā. Pirmie garozas slāņi nosaka objekta vienkāršākas iezīmes, piemēram, malas, un augstākie slāņi integrē šo informāciju, veidojot mūsu uztveri par objektu kopumā.
Lai pārbaudītu savu teoriju, Serre un Podžo strādāja ar Stenliju Bileski, arī MIT, un Lioru Volfu, Telavivas Universitātes Izraēlas Datorzinātņu nodaļas locekli, lai izveidotu datormodeli, kas sastāv no 10 miljoniem skaitļošanas vienību, no kurām katra ir izstrādāta tā, lai tās darbotos. kā neironu kopas redzes garozā. Tāpat kā garozā, kopas ir sakārtotas slāņos.
Kad modelis pirmo reizi iemācās redzēt, dažas šūnām līdzīgas vienības no ainas iegūst rudimentāras iezīmes, piemēram, orientētas malas, analizējot ļoti mazas pikseļu grupas. Šie neironi parasti ir kā caurumi, kas skatās uz nelielu redzes lauka daļu, saka Serre. Sarežģītākas vienības spēj uzņemt lielāku attēla daļu un atpazīt elementus neatkarīgi no to lieluma vai novietojuma. Piemēram, ja vienkāršās vienības nosaka vertikālās un horizontālās malas, sarežģītāka vienība var izmantot šo informāciju, lai noteiktu stūri.
Ar katru nākamo slāni no attēla tiek iegūti arvien sarežģītāki elementi. Tāpat arī attiecības starp pazīmēm, piemēram, attālums starp divām objekta daļām vai dažādie leņķi, kuros abas daļas ir orientētas. Šī informācija ļauj sistēmai atpazīt vienu un to pašu objektu dažādos leņķos.
Mums bija pārsteigums, kad izmantojām šo modeli reālos vizuālos uzdevumos, un tas labi konkurēja ar labākajām sistēmām, saka Serre. Patiešām, dažos testos viņu modelis veiksmīgi atpazina objektus vidēji vairāk nekā 95 procentus laika. Jo vairāk attēlu sistēma tiek apmācīta, jo precīzāk tā darbojas.
Varbūt mums nevajadzētu būt pārsteigtiem, saka Deivids Lovs , datoru redzes un objektu atpazīšanas eksperts Britu Kolumbijas Universitātē Vankūverā. Cilvēka redze ir daudz labāk atpazīstama nekā jebkura no mūsu pašreizējām datorsistēmām, tāpēc visi padomi par to, kā rīkoties no bioloģijas, varētu būt ļoti noderīgi.
Šobrīd sistēma ir paredzēta tikai nekustīgu attēlu analīzei. Bet tas ļoti atbilst tam, kā darbojas cilvēka redzes sistēma, saka Serre. Viņš saka, ka vizuālās garozas ievadi koplieto sistēma, kas nodarbojas ar formām un faktūrām, savukārt atsevišķa sistēma nodarbojas ar kustību. Komanda tagad strādā pie paralēlas sistēmas iekļaušanas, lai tiktu galā ar video.