智能汽车|美国研发神经网络精确探测低质量物体 可扩展应用于自动驾驶汽车


盖世汽车讯据外媒报道 , 为了自动从科学论文中获取重要数据 , 美国国家标准与技术研究所(NIST)的计算机科学家研发了一种方法 , 可以精确地检测图像数据中密集、低质量的小几何物体 , 如三角形 。 NIST的该款模型采用神经网络法来探测模式 , 也可用于现代生活的多种应用中 。

智能汽车|美国研发神经网络精确探测低质量物体 可扩展应用于自动驾驶汽车
本文图片

NIST的神经网络模型可在一组确定的测试图像中捕获97%的目标物体 , 将物体的中心定位于人工选择的几个像素内 。
NIST计算机科学家AdelePeskin解释表示:"该项目的目的是恢复期刊文章中丢失的数据 。 但是对小型、密集型物体进行探测的研究还有很多其他应用 。 目前 , 图像分析、自动驾驶汽车、机器检查等领域都会利用物体探测技术 , 因为此种小型、密集型物体特别难以定位和分隔开 。 "
研究人员从20世纪初期的期刊文章中获取数据 , 通常结果会仅以图形形式呈现 , 而且有些是手工绘制的 , 扫描或复印会让图形分辨率变差 。 研究人员希望提取数据点的位置 , 以恢复原始数据 , 以便进行进一步分析 。 到目前为止 , 此类数据都是人工提取的 。
NIST研究人员采用了最初由德国研究人员研发 , 用于分析生物医学图像的网络架构U-Net , 首先将图像的尺寸压缩 , 减少空间信息 , 然后添加特征和上下文信息层 , 以获取精确、高分辨率的结果 。
该网络的最佳性能可让其定位目标中心的准确率达97% , 使研究人员足以利用神经网络从更新版的期刊论文中恢复数据 。
【智能汽车|美国研发神经网络精确探测低质量物体 可扩展应用于自动驾驶汽车】虽然目前NIST的研究人员没有计划进行后续研究 , 但是表示 , 该神经网络绝对可以用于解决其他图像分析问题 。


    推荐阅读