CN / EN
banner圖
掌握核心技術 駕馭光的運用

行業新聞

機器視覺滲透生活方方麵麵

日期:2018-04-06 來源:币游国际
        機器視覺也就是計算機識別圖像的能力。過去三十年裏,計算機視覺技術一直沒有突破性的進展,像人臉識別這種不算困難的任務,竟然一直攻克不了。

        然而最近幾年,人工智能領域的深度學習技術,終於讓計算機在圖像識別領域,開始媲美並逐漸趕超人類。很多公司已經將這些技術轉化為了產品,輔助或替代我們完成各種各樣的工作。

        這些日新月異的發展,得益於一種被稱作“卷積神經網絡”,convolutional neural network,簡稱CNN的網絡結構。以動物圖像為例,你可以輕鬆分辨出貓和狗,但CNN能進一步更準確地識別出具體的品種。CNN的強大之處在於,它更善於學習並發現圖像中隱藏的重要線索,並作出判斷。不要認為這都是人類教授的本領,深度學習是係統自帶的模式。

       例如,如果你想訓練CNN識別出兩種不同狗的品種,你隻需要準備好幾千張這兩種狗的照片就夠了,你不需要告訴CNN它們的耳朵或者其他地方有區別,CNN可以在學習過程中自己認出這些特征。它用分層結構自己來完成學習。低層網絡能識別圖像中的簡單形狀、邊緣。高層網絡能學會複雜的抽象概念,比如耳朵的結構和毛量。當訓練完成後,CNN可以輕鬆根據狗的耳朵判斷出狗的品種。

       由深度學習驅動的計算機視覺係統,已經滲透到了生活的方方麵麵。無人駕駛汽車需要CNN來幫忙檢測行人,保險公司可以用CNN來評估車輛的受損情況,應用了CNN的安保攝像頭也能讓火車站和機場更安全。


機器視覺滲透生活方方麵麵_heydanbo.com

       擁有深度學習技術的計算機視覺係統,在醫療領域同樣能大展拳腳。它可以幫助專家更快地分析醫學影像,還能在缺少專業人士時,提供一些關鍵信息。去年,美國FDA批準了一個由創業公司Ar terys提出的計劃:用深度學習分析心髒中的血流影像,診斷心髒疾病。

        此外,美國斯坦福大學的塞巴斯蒂安·特隆還在《自然》雜誌上介紹了一個具有專家水平的皮膚癌分類係統。他提出,如果把該係統裝在智能手機上,就可以開展低成本的重大疾病診斷服務。深度學習還可以用來分析由糖尿病引起的視網膜病變、以及中風、骨折、認知症等其他疾病。

(摘自《環球科學》)
 
原文鏈接:http://sh.qihoo.com/pc/9c495f6146db10d8c?sign=360_e39369d1


返回列表