การเรียนรู้ของเครื่องรูปร่างไมโครเวฟสำหรับดวงตาของคอมพิวเตอร์

ระบบสามารถเพิ่มการระบุวัตถุและความเร็วในฟิลด์ที่ทั้งสองมีความสำคัญเช่นรถยนต์อิสระการคัดกรองความปลอดภัยและตรวจจับการเคลื่อนไหว

วิธีการเรียนรู้เครื่องจักรใหม่ตัดคนกลางออกข้ามขั้นตอนการสร้างภาพเพื่อการวิเคราะห์โดยมนุษย์และวิเคราะห์ข้อมูลบริสุทธิ์โดยตรงแทน นอกจากนี้ยังร่วมกันกำหนดการตั้งค่าฮาร์ดแวร์ที่ดีที่สุดที่เปิดเผยข้อมูลที่สำคัญที่สุดในขณะที่ค้นหาข้อมูลที่สำคัญที่สุดพร้อมกัน ในการศึกษาหลักการพิสูจน์การตั้งค่าได้ระบุชุดของตัวเลข 3 มิติอย่างถูกต้องโดยใช้การวัดหลายสิบครั้งแทนที่จะต้องใช้เป็นหลักร้อยหรือหลักพัน

ผลลัพธ์ปรากฏขึ้นทางออนไลน์เมื่อวันที่ 6 ธันวาคมในวารสาร Advanced Science และเป็นความร่วมมือระหว่าง David R. Smith ศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและคอมพิวเตอร์ของ James B. Duke ที่ Duke และ Roarke Horstmeyer ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมชีวการแพทย์ของ Duke

“โดยทั่วไปรูปแบบการระบุวัตถุจะใช้การวัดและไปที่ปัญหาทั้งหมดนี้เพื่อสร้างภาพให้ผู้คนมองและชื่นชม” Horstmeyer กล่าว “แต่มันไม่มีประสิทธิภาพเพราะคอมพิวเตอร์ไม่จำเป็นต้อง ‘มอง’ ที่รูปภาพเลย”

“ วิธีการนี้หลีกเลี่ยงขั้นตอนดังกล่าวและอนุญาตให้โปรแกรมจับรายละเอียดว่ากระบวนการสร้างภาพอาจพลาดได้ในขณะที่ไม่สนใจรายละเอียดอื่น ๆ ของฉากที่ไม่ต้องการ” Aaron Diebold ผู้ช่วยวิจัยในแล็บของสมิ ธ กล่าวเสริม “โดยพื้นฐานแล้วเรากำลังพยายามมองวัตถุจากสายตาของเครื่องจักรโดยตรง”

ในการศึกษานักวิจัยใช้เสาอากาศ metamaterial ที่สามารถปั้นคลื่นไมโครเวฟด้านหน้าเป็นรูปร่างที่แตกต่างกัน ในกรณีนี้ metamaterial เป็นตารางสี่เหลี่ยมขนาด 8×8 ซึ่งแต่ละตารางมีโครงสร้างอิเล็กทรอนิกส์ที่ช่วยให้สามารถปรับจูนแบบไดนามิกเพื่อบล็อกหรือส่งคลื่นไมโครเวฟได้

สำหรับการวัดแต่ละครั้งเซ็นเซอร์อัจฉริยะจะเลือกสี่เหลี่ยมจำนวนหนึ่งเพื่อให้ไมโครเวฟผ่านได้ สิ่งนี้จะสร้างรูปแบบคลื่นไมโครเวฟที่ไม่เหมือนใครซึ่งจะกระเด้งวัตถุที่จะรับรู้และกลับไปยังเสาอากาศวัสดุที่คล้ายคลึงกัน เสาอากาศตรวจจับยังใช้รูปแบบของสี่เหลี่ยมที่ใช้งานอยู่เพื่อเพิ่มตัวเลือกเพิ่มเติมเพื่อกำหนดรูปร่างของคลื่นสะท้อน จากนั้นคอมพิวเตอร์จะวิเคราะห์สัญญาณขาเข้าและพยายามระบุวัตถุ

ด้วยการทำซ้ำขั้นตอนนี้หลายพันครั้งสำหรับความแตกต่างที่แตกต่างกันในที่สุดอัลกอริทึมการเรียนรู้ของเครื่องจะค้นพบชิ้นส่วนของข้อมูลที่มีความสำคัญที่สุด

Share