CN / EN
banner图
掌握核心技术 驾驭光的运用

行业新闻

机器视觉渗透生活方方面面

日期:2018-04-06 来源:三姆森科技
        机器视觉也就是计算机识别图像的能力。过去三十年里,计算机视觉技术一直没有突破性的进展,像人脸识别这种不算困难的任务,竟然一直攻克不了。

        然而最近几年,人工智能领域的深度学习技术,终于让计算机在图像识别领域,开始媲美并逐渐赶超人类。很多公司已经将这些技术转化为了产品,辅助或替代我们完成各种各样的工作。

        这些日新月异的发展,得益于一种被称作“卷积神经网络”,convolutional neural network,简称CNN的网络结构。以动物图像为例,你可以轻松分辨出猫和狗,但CNN能进一步更准确地识别出具体的品种。CNN的强大之处在于,它更善于学习并发现图像中隐藏的重要线索,并作出判断。不要认为这都是人类教授的本领,深度学习是系统自带的模式。

       例如,如果你想训练CNN识别出两种不同狗的品种,你只需要准备好几千张这两种狗的照片就够了,你不需要告诉CNN它们的耳朵或者其他地方有区别,CNN可以在学习过程中自己认出这些特征。它用分层结构自己来完成学习。低层网络能识别图像中的简单形状、边缘。高层网络能学会复杂的抽象概念,比如耳朵的结构和毛量。当训练完成后,CNN可以轻松根据狗的耳朵判断出狗的品种。

       由深度学习驱动的计算机视觉系统,已经渗透到了生活的方方面面。无人驾驶汽车需要CNN来帮忙检测行人,保险公司可以用CNN来评估车辆的受损情况,应用了CNN的安保摄像头也能让火车站和机场更安全。


机器视觉渗透生活方方面面_samsuncn.com

       拥有深度学习技术的计算机视觉系统,在医疗领域同样能大展拳脚。它可以帮助专家更快地分析医学影像,还能在缺少专业人士时,提供一些关键信息。去年,美国FDA批准了一个由创业公司Ar terys提出的计划:用深度学习分析心脏中的血流影像,诊断心脏疾病。

        此外,美国斯坦福大学的塞巴斯蒂安·特隆还在《自然》杂志上介绍了一个具有专家水平的皮肤癌分类系统。他提出,如果把该系统装在智能手机上,就可以开展低成本的重大疾病诊断服务。深度学习还可以用来分析由糖尿病引起的视网膜病变、以及中风、骨折、认知症等其他疾病。

(摘自《环球科学》)
 
原文链接:http://sh.qihoo.com/pc/9c495f6146db10d8c?sign=360_e39369d1


返回列表