Высокоинтеллектуальные камеры скоро станут реальностью благодаря исследовательскому проекту университетов Бристоля и Манчестера. Ученые использовали сверточные нейронные сети и разработали камеры, которые идентифицируют происходящее без необходимости в записи изображения.
Сейчас современные системы воспринимают и обрабатывают окружающий их мир недостаточно хорошо. Они по-прежнему комбинируют датчики для записи изображений (камеры) с вычислительными устройствами (графическими процессорами). В итоге системы ИИ воспринимают мир только после записи и передачи визуальной информации между датчиками и процессорами. Но многие вещи, которые камеры могут увидеть, часто не имеют отношения к поставленной задаче. Например, детализация листьев на деревьях у дороги, по которой проезжает автомобиль с автопилотом. Сейчас вся эта ненужная информация фиксируется датчиками с мельчайшими подробностями и забивает систему нерелевантными данными, потребляя энергию и время обработки. Для обеспечения эффективного видения интеллектуальных машин необходим другой подход.
Два исследования Бристоля и Манчестера показали, как можно объединить восприятие и обучение для создания новых камер для систем ИИ. Они представили сверточную нейронную сеть (CNN) в системе технического зрения SCAMP-5D. Она способна классифицировать происходящее перед ней со скоростью 8 200 кадров в секунду.
Напомним, сверточная нейронная сеть — разновидность алгоритма ИИ. CNN, разработанные командой, могут распознавать изображения без необходимости записывать их или отправлять их дальше на системы обработки.
Такой подход сделает системы гораздо более эффективными и безопасными, поскольку не нужно записывать изображения для их анализа.
Работа стала возможной благодаря архитектуре SCAMP, разработанной Петром Дудеком, профессором из Университета Манчестера, и его командой. SCAMP — это чип процессора камеры, который ученые описывают как массив пиксельного процессора (PPA). PPA имеет процессор, встроенный в каждый пиксель, который может взаимодействовать друг с другом для параллельной обработки данных. Это идеально подходит для CNN и алгоритмов зрения.
Разработка ученых представлена на Европейской конференции по компьютерному зрению (ECCV).
Читать далее
Посмотрите, как появилась Луна. Древняя планета врезалась в Землю
Археологи нашли в Крыму древнее захоронение. На месте был «билет» в загробный мир