人，自行車，汽車或道路，天空，草地：圖像的哪些像素代表無人駕駛汽車前的不同前景人物或物體，哪些像素代表背景類別？這項稱為全景分割的任務是一個基本問題，已在許多領域中應用，例如自動駕駛汽車，機器人技術，增強現(xiàn)實，甚至在生物醫(yī)學圖像分析中。在弗萊堡大學計算機科學系，Abhinav Valada博士是機器人學習的助理教授，也是BrainLinks-BrainTools的成員，他專注于這個研究問題。Valada和他的團隊開發(fā)了最先進的“ EfficientPS”人工智能（AI）模型，該模型可以更快，更有效地對視覺場景進行連貫識別。
這項任務通常使用稱為深度學習的機器學習技術來解決，其中人工神經(jīng)網(wǎng)絡弗賴堡研究人員解釋說，它們是從人腦中汲取靈感，從大量數(shù)據(jù)中學習。諸如Cityscapes之類的公共基準在衡量這些技術的進步方面起著重要作用。Valada團隊的成員Rohit Mohan說：“多年來，來自Google或Uber的研究團隊一直在這些基準測試中爭奪榜首?！?來自弗萊堡（Freiburg）的計算機科學家的方法已被開發(fā)出來，用于理解城市的城市場景，在“城市景觀”（Cityscapes）中排名第一，Cityscapes是最有影響力的自動駕駛場景理解研究的排行榜。EfficientPS還始終在其他標準基準數(shù)據(jù)集（例如KITTI，Mapillary Vistas和IDD）上設置新的最新技術。
在項目網(wǎng)站上，Valada展示了團隊如何在各種數(shù)據(jù)集上訓練不同AI模型的示例。結(jié)果疊加在相應的輸入圖像上，其中顏色顯示模型將像素分配給的對象類別。例如，汽車標記為藍色，人物標記為紅色，樹木標記為綠色，建筑物標記為灰色。此外，AI模型還在每個被視為獨立實體的對象周圍繪制邊框。弗萊堡大學的研究人員成功地訓練了該模型，以將所學的城市場景信息從斯圖加特轉(zhuǎn)移到紐約市。盡管AI模型不知道美國的城市長什么樣，但它能夠準確識別紐約市的場景。
Valada解釋說，以前解決該問題的大多數(shù)方法都具有較大的模型尺寸，并且在實際應用中（例如受資源嚴重限制的機器人技術）在計算上非常昂貴，“我們的EfficientPS不僅可以實現(xiàn)最新的性能，而且這也是計算效率最高，最快的方法。這進一步擴展了可以使用EfficientPS的應用程序?！?/p>
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
相關推薦
領域的主要優(yōu)勢：
高性能與并行處理能力：
FPGA內(nèi)部包含大量的邏輯門和可配置的連接，能夠同時處理多個數(shù)據(jù)流和計算任務。這種并行處理能力使得FPGA在處理自動駕駛中復雜的圖像識別、傳
發(fā)表于 07-29 17:11
低，適合用于實現(xiàn)高效的圖像算法，如車道線檢測、交通標志識別等。
雷達和LiDAR處理：自動駕駛汽車通常會使用雷達和LiDAR（激光雷達）等多種傳感器來獲取環(huán)境信息。FPGA能夠協(xié)助完成
發(fā)表于 07-29 17:09
自動駕駛汽車識別障礙物是一個復雜而關鍵的過程，它依賴于多種傳感器和技術的協(xié)同工作。這些傳感器主要包括激光雷達（LiDAR）、雷達、攝像頭以及超聲波雷達等，它們各自具有不同的工作原理和優(yōu)勢，共同為
![的頭像]()
發(fā)表于 07-23 16:40
?438次閱讀
目標檢測與圖像識別是計算機視覺領域中的兩個重要研究方向，它們在實際應用中有著廣泛的應用，如自動駕駛、智能監(jiān)控、醫(yī)療診斷等。盡管它們在某些方面有相似之處，但它們之間存在一些關鍵的區(qū)別。 基本概念 目標
![的頭像]()
發(fā)表于 07-17 09:51
?370次閱讀
圖像識別算法是計算機視覺領域的核心任務之一，它涉及到從圖像中提取特征并進行分類、識別和分析的過程。隨著深度學習技術的不斷發(fā)展，
![的頭像]()
發(fā)表于 07-16 11:14
?3860次閱讀
引言 圖像識別是計算機視覺領域的核心任務之一，旨在使計算機能夠自動地識別和理解圖像中的內(nèi)容。隨著計算機硬件的發(fā)展和深度
![的頭像]()
發(fā)表于 07-16 11:12
?409次閱讀
圖像識別算法是一種利用計算機視覺技術對圖像進行分析和理解的方法，它在許多領域都有廣泛的應用，如自動駕駛、醫(yī)療診斷、安全監(jiān)控等。然而，圖像識別算法也存在一些優(yōu)缺點。 一、
![的頭像]()
發(fā)表于 07-16 11:09
?597次閱讀
圖像識別技術是一種利用計算機視覺和機器學習技術對圖像進行分析和理解的技術。它可以幫助計算機識別和理解圖像中的對象、場景和活動。
![的頭像]()
發(fā)表于 07-16 10:46
?593次閱讀
的過程。它涉及到圖像的獲取、預處理、特征提取、分類和識別等多個環(huán)節(jié)。 1.2 重要性 圖像識別技術在人工智能領域具有重要的地位，它使計算機能夠“看”和“理解”圖像，為機器視覺、
![的頭像]()
發(fā)表于 07-16 10:44
?500次閱讀
卷積神經(jīng)網(wǎng)絡（CNN）是深度學習領域中一種特別適用于圖像識別任務的神經(jīng)網(wǎng)絡結(jié)構(gòu)。它通過模擬人類視覺系統(tǒng)的處理方式，利用卷積、池化等操作，自動提取圖像
![的頭像]()
發(fā)表于 07-03 16:16
?474次閱讀
隨著人工智能技術的飛速發(fā)展，神經(jīng)網(wǎng)絡在圖像識別領域的應用日益廣泛。神經(jīng)網(wǎng)絡以其強大的特征提取和分類能力，為圖像識別帶來了革命性的進步。本文將詳細介紹神經(jīng)網(wǎng)絡在圖像識別中的應用案例，包括
![的頭像]()
發(fā)表于 07-01 14:19
?412次閱讀
隨著人工智能技術的飛速發(fā)展，自動駕駛技術作為其中的重要分支，正逐漸走向成熟。在自動駕駛系統(tǒng)中，深度學習技術發(fā)揮著至關重要的作用。它通過模擬人腦的學習
![的頭像]()
發(fā)表于 07-01 11:40
?436次閱讀
巨大的進展；自動駕駛開始摒棄手動編碼規(guī)則和機器學習模型的方法，轉(zhuǎn)向全面采用端到端的神經(jīng)網(wǎng)絡AI系統(tǒng)，它能模仿學習人類司機的駕駛，遇到場景直接輸入傳感器數(shù)據(jù)，再直接輸出轉(zhuǎn)向、制動和加速信
發(fā)表于 04-11 10:26
圖像識別的自動學習和自動訓練。 首先，讓我們了解一下圖像識別的基本概念。圖像識別是指通過計算機程
![的頭像]()
發(fā)表于 01-12 16:06
?446次閱讀
LabVIEW開發(fā)自動駕駛的雙目測距系統(tǒng)
隨著車輛駕駛技術的不斷發(fā)展，自動駕駛技術正日益成為現(xiàn)實。從L2級別的輔助駕駛技術到L3級別的受條件約束的自
發(fā)表于 12-19 18:02
新的深度學習研究打破了自動駕駛汽車圖像識別能力的記錄
工商網(wǎng)監(jiān)
評論