Kursy • Poradniki • Inspirujące DIY • Forum
Systemy unikania kolizji bezzałogowych pojazdów rozpoznają pieszych za pomocą takich urządzeń jak radary i lidary.
Naukowcy z UCSD testują system wykrywania przechodniów wyłącznie w oparciu o wskazówki wizualne. W chwili obecnej zaimplementowany algorytm wykrywa ludzi praktycznie w czasie rzeczywistym.
Do tej pory komputerowa analiza obrazów wideo musiała wybierać pomiędzy szybkością, a skutecznością. Szybki klasyfikator kaskadowy może mieć problemy z wykrywaniem pieszych w bardziej skomplikowanych sytuacjach. Z kolei sieci neuronowe – algorytmy uczenia maszynowego – są znacznie dokładniejsze, ale niestety zbyt powolne, by pracować w czasie rzeczywistym.
Nowe rozwiązanie łączy klasyfikatory kaskadowe
z głębokim uczeniem maszynowym.
Najpierw eliminowane są oczywiste elementy otoczenia, takie jak niebo. Jedynie końcowa analiza szczegółów należy do sieci neuronowych.
Pozwala to na analizę 2-4 klatek na sekundę. Nie jest to czas rzeczywisty, ale szybkość ta jest już do niego zbliżona. Algorytm popełnia także o połowę mniej błędów niż jego poprzednicy. System jest tańszy i efektywniejszy od aktualnych metod rozpoznawania pieszych. Skorzystałyby na nim nie tylko samochody bezzałogowe, ale także systemy unikania kolizji w zwyczajnych samochodach.
Google też eksperymentuje z nowymi rozwiązaniami w swoich pojazdach. Pomysł oszczędnego i ukierunkowanego wykorzystania głębokiego uczenia maszynowego jest podobny. W 2015 roku czas skutecznego wykrycia pieszych wynosił 0,25 sekundy. Celem jest 0,07 sekundy.
Źródło: [1]
Przeczytaj powiązane artykuły oraz aktualnie popularne wpisy lub losuj inny artykuł »
google, pojazdy, sieć neuronowa
Dołącz do 20 tysięcy osób, które otrzymują powiadomienia o nowych artykułach! Zapisz się, a otrzymasz PDF-y ze ściągami (m.in. na temat mocy, tranzystorów, diod i schematów) oraz listę inspirujących DIY z Arduino i RPi.
Trwa ładowanie komentarzy...