利用人工神经网络 传感器计算加速了机器视觉发展

  对生物来说,视觉是一种重要的感觉。我们的眼睛似乎给了我们无限的关于我们周围世界的信息。在生物工程方面较大的挑战之一是创造准确可靠的人工机器视觉。这项技术正在迅速发展,但人类的视觉仍然是更有效率的,当一切都说和做了。

  传感器内计算加速机器视觉

  这是因为,尽管制造高度精密的照相机、显微镜和望远镜很容易,但很难接近大脑理解视觉数据并根据其进行分类和预测的能力。我们的大脑已经有了数百万年的时间来进化这种复杂程度,而与之相比,这项技术仍然是非常新的。

  目前的机器视觉技术使用的是一种图像传感器,它对光线作出响应,由另一种设备数字化,然后在云中进行处理。该系统工作正常,但面临着跨多个设备有效处理大量数据的困难。通过传感器内计算切断中间人。在该技术中,图像传感器开始对数据进行处理,剔除机器视觉流水线中的一个步骤。

  传感器内计算的神经网络

  这种系统之所以成为可能,是因为采用了神经网络–即具有高度相互关联的元素的计算体系结构,这些元素可以像我们的大脑神经元那样并行工作。

  神经网络可以从周围的环境中学习,因此它们是应用于传感器内计算系统的一个很好的选择,因为图像传感器是从环境中收集数据的系统的一部分。

  这项技术目前正处于发展的早期阶段,尽管研究人员已经成功地使用了他们的传感器来识别一系列印刷字母。当这项技术全方面实现时,对它的影响是巨大的。

  图像传感器处理自己的数据的能力可能会对无人驾驶汽车和工业制造产生影响。

  在生命科学中,这项技术可能具有重大的医学意义。由于它在广阔的视野中捕捉动态和三维图像的能力,这项技术可以导致医学成像的巨大改进,从而通过更好和更早地诊断疾病和伤害来挽救生命。