`

Schneider Electric - Узнайте все про энергоэффективность ЦОД


СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Что для вас является метрикой простоя серверной инфраструктуры?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Мощные алгоритмы машинного зрения адаптируют для портативных устройств

+11
голос

Мощные алгоритмы машинного зрения адаптируют для портативных устройств

Визуальное распознавание это одно из важнейших приложений глубокого обучения. Оно применяется для анализа медицинских изображений, для автономного вождения и идентификации лиц. Но тренировка моделей для распознавания действий в видео становится все более дорогостоящей и всё менее доступной для устройств с ограниченными вычислительными ресурсами.

Решением этой проблемы занимаются исследователи из Массачусетского технологического института (MIT) вместе с коллегами из лаборатории искусственного интеллекта (Watson AI Lab) компании IBM. Ими создана новая методика тренировки моделей распознавания видео, которая подходит для использования в телефонах и других маломощных устройствах.

Обычный алгоритм разбивает видео на отдельные кадры и применяет техники распознавания к каждому из них. Затем, он отслеживает изменения объектов от кадра к кадру. Для этого от алгоритма требуется помнить все, что он видел в каждом кадре, а также порядок следования кадров. По мнению авторов исследования, это требование снижает эффективность тренировки и без него можно обойтись.

В предложенном ими подходе, алгоритм извлекает из каждого кадра базовые «эскизы» объектов и накладывает их друг на друга. Вместо запоминания, что и когда происходит, алгоритм наблюдает за изменением объектов на эскизах.

В сравнительных испытаниях исследователи показали, что такой метод тренирует модели видеораспознавания в три раза быстрее, чем лучшие из ранее известных алгоритмов. С его помощью также удалось быстро классифицировать жесты руки, используя небольшой компьютер и камеру, которые потребляли меньше энергии, чем велосипедный фонарик.

Новая методика может уменьшить задержку и вычислительную стоимость уже существующих коммерческих программ компьютерного зрения, например, сделать машины с автономным управлением более безопасными за счёт ускорения их реакции на поступающую визуальную информацию. Кроме того, её внедрение позволит реализовать новые, прежде неосуществимые приложения распределённого ИИ, такие как диагностирование пациентов с помощью мобильных телефонов.


Вы можете подписаться на наш Telegram-канал для получения наиболее интересной информации

+11
голос

Напечатать Отправить другу

Читайте также

 
 
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT