智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
Ouster 高分辨率 遠(yuǎn)距400米激光雷達(dá)
OS2,自動(dòng)駕駛 港機(jī) 散料,無(wú)人機(jī) 安防,高分辨率遠(yuǎn)距,Ouster 數(shù)字激光雷達(dá)品牌
其他品牌
據(jù)外媒報(bào)道，為了自動(dòng)從科學(xué)論文中獲取重要數(shù)據(jù)，美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究所(NIST)的計(jì)算機(jī)科學(xué)家研發(fā)了一種方法，可以精確地檢測(cè)圖像數(shù)據(jù)中密集、低質(zhì)量的小幾何物體，如三角形。NIST的該款模型采用神經(jīng)網(wǎng)絡(luò)法來探測(cè)模式，也可用于現(xiàn)代生活的多種應(yīng)用中。
NIST的神經(jīng)網(wǎng)絡(luò)模型可在一組確定的測(cè)試圖像中捕獲97%的目標(biāo)物體，將物體的中心定位于人工選擇的幾個(gè)像素內(nèi)。
NIST計(jì)算機(jī)科學(xué)家Adele Peskin解釋表示：“該項(xiàng)目的目的是恢復(fù)期刊文章中丟失的數(shù)據(jù)。但是對(duì)小型、密集型物體進(jìn)行探測(cè)的研究還有很多其他應(yīng)用。目前，圖像分析、自動(dòng)駕駛汽車、機(jī)器檢查等領(lǐng)域都會(huì)利用物體探測(cè)技術(shù)，因?yàn)榇朔N小型、密集型物體特別難以定位和分隔開。”
研究人員從20世紀(jì)初期的期刊文章中獲取數(shù)據(jù)，通常結(jié)果會(huì)僅以圖形形式呈現(xiàn)，而且有些是手工繪制的，掃描或復(fù)印會(huì)讓圖形分辨率變差。研究人員希望提取數(shù)據(jù)點(diǎn)的位置，以恢復(fù)原始數(shù)據(jù)，以便進(jìn)行進(jìn)一步分析。到目前為止，此類數(shù)據(jù)都是人工提取的。
NIST研究人員采用了初由德國(guó)研究人員研發(fā)，用于分析生物醫(yī)學(xué)圖像的網(wǎng)絡(luò)架構(gòu)U-Net，首先將圖像的尺寸壓縮，減少空間信息，然后添加特征和上下文信息層，以獲取精確、高分辨率的結(jié)果。
該網(wǎng)絡(luò)的較佳性能可讓其定位目標(biāo)中心的準(zhǔn)確率達(dá)97%，使研究人員足以利用神經(jīng)網(wǎng)絡(luò)從更新版的期刊論文中恢復(fù)數(shù)據(jù)。
雖然目前NIST的研究人員沒有計(jì)劃進(jìn)行后續(xù)研究，但是表示，該神經(jīng)網(wǎng)絡(luò)可以用于解決其他圖像分析問題。
(原標(biāo)題：美國(guó)研發(fā)神經(jīng)網(wǎng)絡(luò)精確探測(cè)低質(zhì)量物體 可擴(kuò)展應(yīng)用于自動(dòng)駕駛汽車)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
