脸书专页
粉丝交流群
RSS/FEED订阅日科学家开发新模型 可提高电脑视觉识别能力
【希望之声2023年9月2日】（希望之声记者启术综合编译） 日本理化研究所（RIKEN）的一个团队近日通过训练算法开发出一种新学习模型，提高了计算机视觉识别能力，使其能更好地识别低分辨率图像中的物体。业界表示，这一发展不仅有利于传统的计算机视觉应用，还将有利于控制论化身和太赫兹成像技术的创建。
受人脑记忆形成技术的启发，日本团队通过降低高分辨率图像的质量，以训练自监督学习算法并增强低质量图像中的目标识别能力。该团队通过新研究发现，只需对通常用于增强图像的算法进行小小的调整，就可以极大地提高从自动驾驶汽车到控制论化身等应用计算机的视觉识别能力。
与大多数人工智能（AI）专家截然不同，来自理化研究所高级智能项目中心的Lin Gu以“治疗师”开始了他的职业生涯。这一背景使他对尺度方差有了独特的见解。这是计算机视觉面临的一个关键问题，指的是准确检测图像中不同尺度物体的难度。由于大多数人工智能系统都是在高分辨率图像上进行训练的，因此，识别模糊或扭曲特征的低质量图片对算法构成了挑战。
这种情况让Gu想起了爱丽丝梦游仙境综合症，这是一种视力扭曲的情况，导致物体看起来比实际尺寸小或大。他解释说：“人类视觉具有尺寸恒定性，这意味着无论视网膜图像如何变化，我们都会感知到物体的尺寸相同。相比之下，现有的计算机视觉算法缺乏这种稳定性，就像爱丽丝一样。”
受大脑中用于形成记忆的海马体重放技术的启发，Gu和他的同事开发了一种学习模型。在学习监督信号之前，该模型通过屏蔽部分图像或改变对比度来修改训练数据。这样可以随机降低对图像的分辨率、模糊度和噪声的要求，寻找在重复变化后保持不变的特定表征 。
通过对生成的数据进行训练，该算法可执行自我监督学习：帮助其他图像处理算法，找出图像中的对象以及它们所在的位置，而无需人工干预。结果表明，这是一种计算效率更高的编码和恢复图像中关键细节的表征方法。
另外，该方法还可应用于太赫兹成像——一种新兴的无损成像技术，在生物医学、安全和材料表征方面具有巨大潜力。
Gu表示，对于人工记忆机制来说，对分辨率变化保持不变的表征可以作为研究的基石。他目前正在与RIKEN的神经科学家合作，探索人工恒定表征与大脑中真实表征之间的关系。同时，作为与牛津大学的Michael Johnston团队持续合作的一部分，他们正在开发新一代太赫兹成像设备，拟通过使用人工智能来提高其质量和分辨率。
- 🔥免费PC翻墙、安卓VPN翻墙APP
- 🔥灵魂之谜|中华文化|治国大道
本文章或节目经希望之声编辑制作，转载请注明希望之声并包含原文标题及链接：日科学家开发新模型 可提高电脑视觉识别能力
