Vom menschlichen Sehen inspirierte Bildverarbeitungssysteme



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Laut einem Artikel, der am 21. Februar 2007 in Technology Review veröffentlicht wurde, hat eine Gruppe von Neurowissenschaftlern am MIT ein Computermodell entwickelt, das das menschliche Sichtsystem nachahmt, um Objekte wie Autos und Motorräder auf einer belebten Straße genau zu erkennen und zu erkennen. Laut Thomas Serre, Neurowissenschaftler am MIT, könnten diese Arten von Bildverarbeitungssystemen bald in Überwachungssystemen oder in intelligenten Sensoren eingesetzt werden, die den Fahrer auf die Anwesenheit von Fußgängern oder anderen Objekten aufmerksam machen.

Seit Jahren versuchen Forscher aufgrund ihrer Perfektion, biologische Bildverarbeitungssysteme nachzuahmen. Es hat sich jedoch als komplizierter herausgestellt, einem Computer das Klassifizieren von Objekten beizubringen, als es zunächst schien, sagt Serre, der die Arbeit mit Tomaso Poggio erledigt hat. Um einen bestimmten Objekttyp zu erkennen, benötigt der Computer zunächst eine Vorlage oder eine bestimmte rechnerische Darstellung dieses bestimmten Objekts, wodurch der Computer beispielsweise ein Auto von Objekten unterscheiden kann, die keine Autos sind. Die Schablone muss jedoch flexibel genug sein, um alle unterschiedlichen Fahrzeugtypen in unterschiedlichen Winkeln und Positionen und unter unterschiedlichen Lichtbedingungen aufzunehmen.

Der beste Weg, dies zu erreichen, besteht darin, einen Lernalgorithmus mit einer Reihe von Bildern zu trainieren, um die Gemeinsamkeiten zu extrahieren. Serre und Poggio glauben, dass das menschliche Sichtsystem einen ähnlichen Ansatz verfolgt, jedoch von einer Hierarchie aufeinanderfolgender Schichten im visuellen Kortex abhängt. Die ersten Schichten der Kruste würden somit die einfachsten Eigenschaften eines Objekts erkennen und die letzten würden diese Informationen kombinieren, um unsere Wahrnehmung des Objekts als Ganzes zu formen.

Um ihre Theorie zu testen, arbeiteten Serre und Poggio mit Stanley Bileschi vom MIT und Lior Wolf von der Universität Tel Aviv, Israel, zusammen, um ein Computermodell mit 10 Millionen Recheneinheiten zu erstellen, das sich wie Gruppen von Neuronen verhalten soll. des visuellen Kortex. Wie im visuellen Kortex sind die Einheiten in Schichten unterteilt.

Erstens extrahieren die einfachsten Einheiten rudimentäre Merkmale aus der Szene (z. B. orientierte Profile), indem sie sehr kleine Pixelgruppen analysieren. Die komplexeren Einheiten analysieren dann größere Teile des Bildes und erkennen Merkmale, die sich auf die Größe oder Position von Objekten beziehen. Mit jeder aufeinanderfolgenden Schicht werden immer komplexere Eigenschaften extrahiert, wie beispielsweise der Abstand zwischen zwei Teilen eines Objekts oder die unterschiedlichen Orientierungswinkel dieser Teile. Auf diese Weise können Sie dasselbe Objekt aus verschiedenen Winkeln erkennen.

Als sie das System testeten, waren ihre Ergebnisse sehr gut und konnten mit denen der besten Systeme auf dem Markt konkurrieren. Aufgrund seiner Lernfähigkeit sind Ihre Ergebnisse umso genauer, je mehr Bilder Sie analysieren.
Derzeit wurde das System nur zur Analyse statischer Bilder entwickelt. Laut Serre ähnelt der Prozess jedoch dem des menschlichen Sehsystems, bei dem ein Teil des Systems für Formen und ein anderer für Bewegung verantwortlich ist. Das Team arbeitet derzeit an der Integration eines parallelen Systems, das mit Videos arbeitet.

Quelle: Technology Review


Video: Prof. Dr. Alexander Borst: Bildverarbeitung im Fliegengehirn Campus Talks


Bemerkungen:

  1. Wacfeld

    What words ... phenomenal thinking, excellent

  2. Yancy

    Ausgezeichnetes Thema

  3. Gardazil

    In alles Gnade!



Eine Nachricht schreiben


Vorherige Artikel

Google Open Source

Nächster Artikel

20 süße Sätze der Wahren Liebe