AI中国网 https: //www.cnaiplus.com
斯坦福新闻称，有研究人员设计了一种新型的人工智能摄像系统，能够更快、更高效地对图像进行分类。
图像识别技术是当今自动驾驶和航空无人机的基础，它依赖于人工智能——计算机自己训练识别物体，比如识别狗狗、穿过街道的行人或者停下来的汽车。新的相机有一天可能足够小，能够适应未来的电子设备，但这在目前还是无法实现的，因为其受限于当前运行人工智能算法的计算机的大小和速度。
“目前的自动驾驶汽车中都装有一台体积非常大，运行速度慢，能量密集的计算机，”斯坦福大学电气工程助理教授Gordon Wetzstein说。他说，未来的应用程序需要更快、更小的东西来处理图像流。
Wetzstein和Julie Chang，通过将两种类型的计算机合二为一，创造了专门用于图像分析的混合光电计算机，这种混合光电计算机：
一、外包出去了繁重的工作
原型相机的第一层是一种光学计算机，它不需要高耗能的数字计算；第二层是传统的数字电子计算机。
“数以百万计的计算被规避，一切都以光速发生......”
光学计算机层通过物理预处理图像数据的方式工作，以多种方式对其进行过滤，否则计算机将不得不以数学方式进行过滤。由于当光通过定制光学器件时滤波自然发生，因此该层以零输入功率工作，这为混合系统节省了大量的时间和精力。
“我们已将人工智能的一些数学外包到了光学系统中，”Chang说。
这样做的结果是计算量减少了，内存调用次数减少了，整个过程需要的时间也就少得多了。在预处理部分结束后，剩余的分析将进入数字计算机层，这时候的分析已经容易得多了。
Wetzstein说：“数以百计的计算被规避了，而这一切都是以光速发生的。”
二、具有敏捷的思维
在速度和准确性方面，原型相机可与现有的纯电子计算处理器相媲美——这些处理器被编程为执行相同的计算，同时可节省大量的计算成本。
虽然他们目前的原型相机被安排在实验室工作台上，但依然不小，研究人员表示，他们的系统有一天会缩小，以适应手持摄像机或空中无人机。
在模拟实验以及在现实世界中，该团队使用该系统在自然图像设置中成功识别了飞机、车、猫、狗等物体。
“我们系统的升级版将在快速决策应用中尤其有用，例如自动驾驶，”Wetzstein说。
除了缩小原型外，Wetzstein，Chang和他的同事现在正在研究如何使光学元件进行更多的预处理。如果实现了，它们可以以更小的体积、更快的速度取代现在庞大的计算机，帮助汽车，无人机和其他技术去识别周围的世界。 该项研究发表在Nature Scientific Reports上。其他的共同作者来自斯坦福和沙特阿拉伯的阿卜杜拉国王科技大学。
国家科学基金会、斯坦福大学研究生奖学金、斯隆研究奖学金和KAUST赞助研究办公室资助了这项研究。
AI中国网 https: //www.cnaiplus.com
本文网址：
