潮科技 | 自动化所在视觉物体检测与识别领域取得系列进展
编者按:本文来自微信公众号“MEMS”(ID:MEMSensor),作者MEMS,原文题目《自动化所在视觉物体检测与识别领域取得系列进展》,36氪经授权发布,略有删减。
近日,中国科学院自动化研究所智能感知与计算研究中心研究员张兆翔,及其团队借鉴脑神经机制与视觉认知机理,在视觉物体检测模型与方法上取得一系列进展,共有5篇文章被 ICCV2019 录用,1篇文章被 NeurIPS2019 录用,1篇文章被 JMLR 期刊收录。本次着重介绍基于三叉戟网络(Trident Networks)的物体检测。
物体检测是计算机视觉与模式识别领域的核心问题,一直以来受到学术界与工业界的广泛关注。当前物体检测最大的难点,是如何对场景中多种尺度的物体进行有效表征,进而进行更为高效、更为准确的物体检测。
在二维透视成像中,近大远小是一个常见的现象,如图1所示。这一透视关系,帮助人类视觉系统形成对三维空间的感知。但对于基于二维图像的视觉感知任务而言,近大远小会导致相同真实大小的物体根据远近不同,因而在成像平面上形成不同尺度的物体。这将对视觉感知任务提出挑战。具体来说:(1)这会导致信息的衰减,二维图像捕获的信息随距离二次衰减,因而30米外的物体在图片上可能只有15米外相同物体1/4的像素;(2)卷积神经网络具有局限性。由于卷积操作在二维平面上采用相同大小的滑动窗口进行计算,同一卷积操作无法同时对尺度差异较大的物体进行响应。
图片来源:MEMS
针对传统卷积神经网络的局限,张兆翔及其团队首次提出 Trident 网络结构。首先通过不同膨胀系数的卷积支路实现对不同尺度的物体的识别,然后通过权重共享实现对不同尺度相同物体的一致性刻画。研究人员还提出了一种在测试阶段只需要一条卷积支路的快速 Trident 网络,快速 Trident 网络保持了与传统检测器骨干网络相同的计算量,大幅提升了该方法的实用性。
图片来源:MEMS
该 Trident 方法可以与不同基础网络结构结合,并在 COCO 数据集上取得大幅度提升。该文作为 Oral文章在 ICCV2019 发表。
相关推荐
潮科技 | 自动化所在视觉物体检测与识别领域取得系列进展
潮科技行业入门指南 | 深度学习理论与实战:提高篇(9)——目标检测算法Faster R-CNN
Facebook推出新AI工具可直接识别图片中的物体
潮科技行业入门指南 | 深度学习理论与实战:提高篇(7)——目标检测算法R-CNN
合作头部客户京东方,「图麟科技」将落地AI+工业玻璃瑕疵检测项目 | 新基建创业2020
潮科技行业入门指南 | 深度学习理论与实战:提高篇(6)—— 视觉任务简介
“预计ToF成本下降空间较大”,「炬佑智能」3D视觉方案三系列芯片共同协作 | 潮科技 · 芯创业
机器视觉农业应用,帮助识别环境、监测作物
让机器理解三维世界,「商汤科技」畅想人工智能3D视觉技术的未来
潮科技 | 大陆集团领投,MEMS激光雷达初创公司Blickfeld完成A轮融资
网址: 潮科技 | 自动化所在视觉物体检测与识别领域取得系列进展 http://www.xishuta.com/newsview12505.html
推荐科技快讯
- 1问界商标转让释放信号:赛力斯 94837
- 2人类唯一的出路:变成人工智能 18304
- 3报告:抖音海外版下载量突破1 17856
- 4移动办公如何高效?谷歌研究了 17572
- 5人类唯一的出路: 变成人工智 17409
- 62023年起,银行存取款迎来 10014
- 7网传比亚迪一员工泄露华为机密 8007
- 8顶风作案?金山WPS被指套娃 6471
- 9大数据杀熟往返套票比单程购买 6446
- 1012306客服回应崩了 12 6376