为了给机器赋予人类的理解和思考能力,科学家们创造了卷积神经网络(CNN)。虽然它们需要高度复杂的算法,能够模拟人类思维的过程,但它们并不难理解,卷积并不意味着复杂。
帮助机器像人类一样思考
卷积神经网络和嵌入式视觉领域的研发者不只是想让机器变得更快。他们想让机器变得更聪明。我们的目标是帮助机器像人类一样看待世界,以同样的方式看待世界,然后应用他们所拥有的知识。一些用途包括图像识别、图像分类和自然语言处理。
作为人类,我们不断地分析我们的环境。我们还对我们所看到的进行标记和预测。例如,您可能知道较近的出口在哪里。每扇门都在你进入大楼的路上。你的大脑在紧急情况下已经准备好了,但是你还记得今天早上你送进办公室的荧光灯的数量吗?
你的大脑会自动处理这个工作量。它被硬连接到你的DNA里。这看起来可能很简单,但是将这个过程编到CNN上是很有挑战性的。CNN须接受输入,确定什么是重要的,分类,预测下一步该做什么,然后采取行动。但是这种人工智能与嵌入式视觉有什么关系呢?
卷积神经网络与嵌入式视觉
CNN可以被训练成以人类的方式看待世界。CNN不需要对它可能遇到的每一个物体的每一个特征进行训练,而是可以使这个过程自动化。利用嵌入式视觉,机器可以通过将对象与庞大的数据集进行比较来识别对象。当他们犯错误时,他们甚至可以调整他们的分类参数。
卷积神经网络甚至与视觉联系在一起,因为它们是在3D中组织的。它们有宽度、高度和深度。网络中的人工神经元连接到附近的其他神经元。CNN使用一种称为卷积的技术,在输入中添加一个滤波器,然后为CNN认为它看到的对象绘制概率图。
CNN是图像分类的理想方法。这就是为什么它们与嵌入式视觉如此完好地结合在一起的原因。他们可以快速地从图像中提取数据,然后对数据进行分类。嵌入式视觉系统通常具有大带宽容量和低功耗,这正是CNN所需要的。