RIKEN开发出新卷积神经网络 助力自动驾驶

据国外媒体报道，日本综合研究机构RIKEN脑科学中心的Andrea Benucci和她的同事们开发出了一种创建人工神经网络的方法，该网络可以更快更准确地学习识别物体。本研究集中于未被注意到的眼球运动，表明眼球运动在稳定识别物体中起着重要作用。这些发现可以应用于机器视觉，例如，让自动驾驶汽车更容易学会识别道路上的重要特征。

图片来源:理研

头部和眼睛整天都在不停地运动，但人类不会因此而看不清楚，即使视网膜上的物理信息也在不停地变化。使这种感知稳定性成为可能的是运动命令的神经副本。每当它们运动时，这些副本就会被发送到整个大脑，这被认为可以让大脑解释自己的运动并保持其感知稳定。

除了稳定的感知，有证据表明，眼球运动及其副本也可能有助于稳定地识别世界上的物体，但它是如何发生的仍是未知的。贝努奇开发了一种卷积神经网络(CNN)，用于优化眼睛运动时视觉场景中物体的分类，可能会解决上述问题。

首先，经过训练后，神经网络可以将6万张黑白图像分为10类。虽然网络在这些图像上表现良好，但当使用模拟眼睛移动时自然变化的视觉输入的位移图像进行测试时，其性能急剧下降到意外水平。然而，在使用移位的图像来训练网络之后，只要引起移位的眼睛运动的方向和大小也被包括在内，分类就显著提高了。

特别是，通过将眼睛运动及其副本添加到网络模型中，系统可以更好地应对图像中的视觉噪声。贝努奇说:“这项进展将有助于避免机器视觉中的危险错误。有了更高效更强大的机器视觉，像素变化(也称为‘对抗攻击’)会降低错误率。例如，自动驾驶汽车将停车标志标记为灯柱，或者军用无人机错误地将医院建筑归类为敌方目标。”

贝努奇解释说:“模仿眼球运动及其传出的副本意味着‘强迫’机器视觉传感器拥有受控类型的运动，通知负责处理与自发运动相关的图像的视觉网络将使机器视觉更加强大，并与人类的视觉体验相似。”

1据国外媒体报道，日本综合研究机构RIKEN脑科学中心的Andrea Benucci和她的同事们开发出了一种创建人工神经网络的方法，该网络可以更快更准确地学习识别物体。本研究集中于未被注意到的眼球运动，表明眼球运动在稳定识别物体中起着重要作用。这些发现可以应用于机器视觉，例如，让自动驾驶汽车更容易学会识别道路上的重要特征。

图片来源:理研

头部和眼睛整天都在不停地运动，但人类不会因此而看不清楚，即使视网膜上的物理信息也在不停地变化。使这种感知稳定性成为可能的是运动命令的神经副本。每当它们运动时，这些副本就会被发送到整个大脑，这被认为可以让大脑解释自己的运动并保持其感知稳定。

除了稳定的感知，有证据表明，眼球运动及其副本也可能有助于稳定地识别世界上的物体，但它是如何发生的仍是未知的。贝努奇开发了一种卷积神经网络(CNN)，用于优化眼睛运动时视觉场景中物体的分类，可能会解决上述问题。

首先，经过训练后，神经网络可以将6万张黑白图像分为10类。虽然网络在这些图像上表现良好，但当使用模拟眼睛移动时自然变化的视觉输入的位移图像进行测试时，其性能急剧下降到意外水平。然而，在使用偏移图像训练网络之后，只要引起偏移的眼睛运动的方向和大小……也包括在内。

特别是，通过将眼睛运动及其副本添加到网络模型中，系统可以更好地应对图像中的视觉噪声。贝努奇说:“这项进展将有助于避免机器视觉中的危险错误。有了更高效更强大的机器视觉，像素变化(也称为‘对抗攻击’)会降低错误率。例如，自动驾驶汽车将停车标志标记为灯柱，或者军用无人机错误地将医院建筑归类为敌方目标。”

贝努奇解释说:“模仿眼球运动及其传出的副本意味着‘强迫’机器视觉传感器拥有受控类型的运动，通知负责处理与自发运动相关的图像的视觉网络将使机器视觉更加强大，并与人类的视觉体验相似。”

标签：发现

汽车资讯热门资讯