斯坦福创建新型AI摄像头 更快、更高效进行图像分类

如今，自动驾驶汽车和航空无人机的图像识别技术都依赖于人工智能：通常，计算机会自学识别狗、过街行人或停下来的汽车。问题是，运行人工智能算法的计算机对于手持医疗设备等未来应用来说过于庞大和缓慢。

据外媒报道，斯坦福大学的研究人员设计了一种新的人工智能摄像系统，该系统可以更快、更高效地对图像进行分类，有朝一日该摄像系统可能会变得非常小，可以嵌入其他设备中。负责这项研究的斯坦福大学电气工程助理教授Gordon Wetzstein说：“刚刚从你身边经过的自动驾驶汽车的行李箱里装有一台相对较大、移动缓慢且耗能较高的计算机。”他说，未来的应用需要更快、更小的计算机来处理各种图像。Wetzstein和这篇研究论文的第一作者、斯坦福大学的研究生Julie Chang通过将两种类型的计算机合二为一，进一步开发了这项技术，并创造了一种专门用于图像分析的混合光电计算机。原型相机的第一层是光学计算机，不需要高强度的数字计算；第二层是传统的数字电子计算机。光学计算机层通过物理方法处理图像数据，并通过各种方法对图像数据进行滤波，否则电子计算机必须通过数学方法对图像进行滤波。由于图像数据的过滤是在光线通过定制的光学设备时自然发生的，因此该层在零输入功率的情况下工作，为混合系统节省了大量时间和精力。Chang说：“我们已经将人工智能数学计算外包给了光学系统。”因此，计算量减少了，内存调用次数减少了，完成整个过程的时间也减少了很多。在速度和精度方面，原型相机可以与现有的电子计算处理器进行比较，后者可以执行相同的计算，并节省大量计算成本。尽管原型相机仍处于实验室阶段，很难被视为小型相机，但研究人员表示，该系统有朝一日可以小型化，以适应手持相机或航空无人机。在模拟环境和现实世界的实验中，该团队使用该系统在自然图像设置中成功识别了飞机、汽车、狗和猫。Wetzstein说：“我们系统的未来版本将在自动驾驶汽车等快速决策应用中发挥作用。”除了减少原型，Wetzstein、Chang和斯坦福计算成像实验室的其他同事目前正在研究如何使光学组件进行更多预处理。最终，更小、更快的技术可以取代现有的手提箱大小的计算机，帮助汽车、无人机和其他技术学会识别周围的世界。如今，自动驾驶汽车和航空无人机的图像识别技术都依赖于人工智能：通常，计算机会自学识别狗、过街行人或停下来的汽车。问题是，运行人工智能算法的计算机对于手持医疗设备等未来应用来说过于庞大和缓慢。

据外媒报道，斯坦福大学的研究人员设计了一种新的人工智能摄像系统，该系统可以更快、更高效地对图像进行分类，有朝一日该摄像系统可能会变得非常小，可以嵌入其他设备中。负责这项研究的斯坦福大学电气工程助理教授Gordon Wetzstein说：“刚刚从你身边经过的自动驾驶汽车的行李箱里装有一台相对较大、移动缓慢且耗能较高的计算机。”他说，未来的应用需要更快、更小的计算机来处理各种图像。Wetzstein和这篇研究论文的第一作者、斯坦福大学的研究生Julie Chang通过将两种类型的计算机合二为一，进一步开发了这项技术，并创造了一种专门用于图像分析的混合光电计算机。原型相机的第一层是光学计算机，不需要高强度的数字计算；

第二层是传统的数字电子计算机。光学计算机层通过物理方法处理图像数据，并通过各种方法对图像数据进行滤波，否则电子计算机必须通过数学方法对图像进行滤波。由于图像数据的过滤是在光线通过定制的光学设备时自然发生的，因此该层在零输入功率的情况下工作，为混合系统节省了大量时间和精力。Chang说：“我们已经将人工智能数学计算外包给了光学系统。”因此，计算量减少了，内存调用次数减少了，完成整个过程的时间也减少了很多。在速度和精度方面，原型相机可以与现有的电子计算处理器进行比较，后者可以执行相同的计算，并节省大量计算成本。尽管原型相机仍处于实验室阶段，很难被视为小型相机，但研究人员表示，该系统有朝一日可以小型化，以适应手持相机或航空无人机。在模拟环境和现实世界的实验中，该团队使用该系统在自然图像设置中成功识别了飞机、汽车、狗和猫。Wetzstein说：“我们系统的未来版本将在自动驾驶汽车等快速决策应用中发挥作用。”除了减少原型，Wetzstein、Chang和斯坦福计算成像实验室的其他同事目前正在研究如何使光学组件进行更多预处理。最终，更小、更快的技术可以取代现有的手提箱大小的计算机，帮助汽车、无人机和其他技术学会识别周围的世界。

标签：

汽车资讯热门资讯