Ми майже отримали повнокольорову нічне бачення для роботи
Вчені в Каліфорнійському університеті, Ірвін, експериментували з реконструкції нічних базових сцен у кольорі, використовуючи алгоритм глибокого навчання. Алгоритм використовує інфрачервоні зображення невидимими неозброєним оком; Люди можуть бачити лише легкі хвилі від приблизно 400 нанометрів (що ми бачимо, як фіолетовий) до 700 нанометрів (червоний), тоді як інфрачервоні пристрої можуть бачити до одного міліметра. Таким чином, інфрачервоний зв'язок є важливою складовою технології нічного бачення, оскільки це дозволяє людям "бачити" те, що ми зазвичай сприймаємо як загальну темряву.
Хоча термічна візуалізація раніше використовувалася для кольорових сцен, захоплених в інфрачервоному режимі, він також не ідеальний. Термічна візуалізація використовує техніку, що називається PSEUDOCOLOR для "MAP" кожен відтінок від монохроматичного масштабу в колір, що призводить до корисного, але дуже нереалістичного зображення. Це не вирішує проблему ідентифікації об'єктів та окремих людей у умовах низької або без особливостей.
Вчені в UC Irvine, з іншого боку, прагнули створити рішення, яке б вироблятиме зображення, подібне до того, що людина побачить у видимому світлі спектра. Вони використовували монохроматичну камеру чутливі до видимого та ближнього інфрачервоного світла, щоб захопити фотографії кольорових палітр та обличчя. Потім вони навчали конволюційну нейронну мережу, щоб передбачити видимі зображення спектру, використовуючи лише постійні інфрачервоні зображення. Навчальний процес призвів до трьох архітектур: базової лінії лінійної регресії, U-NET, натхненний CNN (UNET), а також збільшена U-NET (UNET-GAN), кожен з яких був здатний виробляти близько трьох зображень на секунду.
Після того, як нейронна мережа виробляла зображення в кольорі, команда, що складається з інженерів, бачення вчених, хірургів, комп'ютерних вчених та докторських студентів - за умови, що зображення гратяни, які вибрали, які виходи суб'єктивно з'явилися найбільш схожі на зображення землі. Цей відгук допомагав команді вибрати, яка архітектура Neural Network була найбільш ефективною, з Unet перевершує UNET-GAN, за винятком збільшення умов.
Команда в UC Irvine опублікувала свої висновки в журналі Plos один у середу. Вони сподіваються, що їхня технологія може бути застосована в безпеці, військових операціях та спостереження за тваринами, хоча їхня експертиза також говорить їм, що вона може бути застосована до зменшення пошкодження зору під час хірургічних операцій.
Читати далі
Новий MIT AI самостійно розробляє роботів
Команда вважає, що RoboGrammar може направити дослідників на нові напрямки, що призведе до більш ефективних та винахідливих конструкцій.
Boston Dynamics прощається з 2020 роком із танцювальною вечіркою роботів
Одного разу на наших могилах можуть танцювати роботи, і вони будуть напрочуд добре в цьому!
Апаратні прискорювачі можуть значно покращити час реакції робота
Якщо ми хочемо створити кращих роботів, вони повинні швидше планувати власні рухи. Нова дослідницька група вважає, що винайшла комбінований метод розгортання апаратного / програмного забезпечення, який може зменшити існуючі затримки вдвічі.
Пробовідбірник астероїдів OSIRIS-REx НАСА повернеться на Землю 10 травня
НАСА будує плани OSIRIS-REx повернутися на Землю зі своїм дорогоцінним вантажем. За словами команди, OSIRIS-REx розпочне цю подорож 10 травня.