利用人工神经网络在纳秒级时间内完成图像分类|极速百家乐

  • 时间:
  • 浏览:4641
  • 来源:极速百家乐
本文摘要:但是,机器的视觉不仅仅是人眼的简单延伸,人脑的一部分功能也从图像中提取、处理、解读信息,作为实际的测量和控制使用。考虑到上述因素,研究团队在图像传感器中引进了可以同时提供和分析图像的人工神经网络ArtificialNeuralNetwork、ANN。

利用人工神经网络在纳秒级时间内完成图像分类,已经成为现实。最近,奥地利维纳工业大学光子学研究所、Lukas、Mennel博士等开发的超高速机械视觉设备——拥有神经网络的影像传感器,将影像处理速度提高了数十万倍。本地时间2020年3月4日,上述团队的一部分被命名为Ultrafastmahinevision?with?2Dmaterialneuralnetworkimagensors(基于Naturalneuralnetworkimagensorsagensors)的研究表在《Naturensorsors(基于超速机器视觉》中。

(公共编号:)该团队设计的视觉设备像大脑一样处理信息,40支纳秒可以区分两张不同的图像。同时提供和分析图像的人工神经网络视觉是人类理解世界上最重要的方法,不受这种灵感的机器视觉近年来兴起。机器视觉是指用机器更换眼睛进行测量和识别。

但是,机器的视觉不仅仅是人眼的简单延伸,人脑的一部分功能也从图像中提取、处理、解读信息,作为实际的测量和控制使用。就机器视觉技术本身而言,它的主要过程是:相机逐步扫描图像素,然后将视频框架转换为数字信号,然后将其转移到计算机中进行分析。然而,不存在的问题是,由于传感器和处理单元之间的大量数据移动,信息往往无法得到缓慢的处理和决策,这是机器视觉经常面临的延迟。

考虑到上述因素,研究团队在图像传感器中引进了可以同时提供和分析图像的人工神经网络ArtificialNeuralNetwork、ANN。说到人工神经网络,实质上是运算模型,包括大量节点(也称为神经元)。其中,作为核心神经元接管和处理数据,在图像识别、智能机器人、自动控制、预测估算等领域发挥着最重要的作用。

具体来说,人工神经网络可以重复调整神经元之间的连接强度或神经元,仔细观察现在的不道德模式能否更好地解决问题,找到哪个模式最擅长计算解决方案。其次,人工神经网络不会默认这些模式,模仿人脑自学过程。

实质上,当天《自然》杂志的NewsandViews专栏公开发表了香港理工大学博士Yang,Chai的评论文章In-sensorcomputingformachinevision(机器视觉传感器内计算)。在这篇文章中,YangChai博士通过以下图表明了两种视觉处理方式的不同:传统及其视觉处理过程(右图a部分):传感器收集信号,通过模数转换器(ADC)将模拟信号转换为数字信号,缩放后输出到外部人工神经网神经网络输出层接管代码非常简单的物理要素信号(点、线),然后将这些信号优化为中级特征(非常简单的形状),最后在输入层构成图像(3D形状)的LukasMennnel团队图像传感器处理过程(右图b部分):芯片上的点对点传感器(图中的正方形)收集信号,用于人工神经网络识别非常简单的特征LED组成的神经网络回归研究成果本身,上述传感器本质上是光电二极管神经网络,即9个像素的正方形阵列,每个像素有3个二极管。此外,其光敏材料为2D半导体二硒简化钨(WSe2),该材料具有调节光的呼吁能力。

同时,二极管的灵敏度相当于神经网络的权重,其权重必须构建在图像传感器上。其明确的工作流程如下图所示:图像投影到芯片上时,不会产生、人组、加载各种二极管电流。

阵列获得了一种模拟计算——每个光电二极管产生与入射强度成正比的输入电流,并根据基尔霍夫法则(电路中电流的基本规则)沿着完成或佩对获得的电流议和。之后阵列开始训练。据报道,阵列产生的电流和预测电流(记录:对于等价任务,阵列正确呼吁图像时,不分析所谓的预测电流)的差异,也用于调整下一个训练周期的神经元权重。

除了两种神经形态功能外,该研究团队还根据不同的神经网络算法展示了两种神经形态功能。一是分类。

3×3像素阵列可将图片分为三个字母N、V、Z,经过培训的图片传感器可以在以纳秒为单位的时间内根据测量对应电路的电流是否为0的标准识别字母(右图d)。据报道,如果阵列规模按比例减少,可以识别更简单的图像。二是自动编码。

即使没有信号噪音,通过自学图像的重要特征,神经网络也可以分解处理后的图像修正应对。但是,这个系统有很多限制。例如,在明亮的环境下光学困难的设计需要低电压,消耗大量电力的半导体的大面积生产,加工困难的仅次于不能处理3×3的图像。

但是,论文作者之一的LukasMennel博士回答说,我们的图像传感器在工作中消耗电力,检测出的光子本身可以作为电流供给。传统的机器视觉技术一般需要每秒处理100帧,而一些更慢的系统可以每秒处理1000帧,而我们的系统可以每秒处理2000帧。新技术的落地有一定程度的允许,但该系统在能源消耗和速度方面显然有很好的表现,Yang的Chai博士在其文章中也同意该技术。

该技术不仅仅是视觉系统,还可用于听力、触觉或嗅觉感觉。这种智能系统的发展,以及5G高速无线网络的到来,将来不会在动态(低延迟)边缘计算。参考资料:https://ww.nature.com/articles/s41586-020-2038-x#fig15htps://www.nature.com/articles/d41586-020-00592-6限定htttps://spectrum.iee.org/tech/compicles/d41586-020下一篇文章发表了注意事项。


本文关键词:图像传感器,图像,电流,极速百家乐

本文来源:极速百家乐-www.gocracing.com