Sitemap

财产速报

UCLA光学神经收集计划取得打破 有帮于开辟智能摄像体系

加州大学洛杉矶分校(UCLA)工程师们光学神经收集的计划上取得了庞大进步,可以光速识别对象,或处理新闻。

传感器,自动驾驶
据外媒报道,加州大学洛杉矶分校(UCLA)工程师们光学神经收集的计划上取得了庞大进步,可以光速识别对象,或处理新闻。
 
此次进步有帮于开辟智能摄像体系,通过3D工程材料构造中的光的方式,识别所睹对象。新计划应用了基于光学的盘算体系的并行性和可扩展性,可以用于自动驾驶汽车或板滞人,帮帮它们更速地做出决议。基于盘算机的体系需求分外的时间来识别看到的对象,与之比较,新计划能耗更少。
 
该体系运用一系列3D打印晶圆或不平均的外层传输或反射入射光。这些外层有成千上万个像素点,这些像素点实质上是人制神经元,变成材料体,从而举行全光盘算。通过3D制制的涂层,每个物体都有一个奇特的光通道。
 
这些外层后面是几个光探测器,每个探测器都被配备到盘算机中,依据阵势部光芒穿过外层后的截止点推测输入对象身份。比如,教练该体系识别手写数字时,当“5”的图像穿过这些外层后,光芒会投射到探测器上,顺序计划识别“5”的探测器会看到阵势部光芒。
 
加州大学洛杉矶分校研讨职员体系中添加第二组探测器,分明进步了体系的准确性。每种对象类型都有两个探测器,旨添加两个检测器信号之间的差别。直觉上,相似于同时用左手和右手称量两块石头,如许更容易区分它们的重量是否相同。这种差分检测方案进步了光学神经收集对未知物体的预测精度。
 
电气与盘算机工程传授、该项研讨首席研讨员Aydogan Ozcan外示,“该体系应用光与物质的互相感化,以及3D材料结贡ペ的光衍射,光速速施行板滞进修义务,只需照明光和简单的探测器电道。这一效果将使智能摄像头仅应用光子和光与物质的互相感化举行盘算,于是极其高速、节能。”
 
研讨职员测试了该体系的准确性,测试运用了CIFAR-10图像数据集,包罗手写数字、衣物、种种车辆和动物。结果显示,其图像识别准确率区分为98.6%、91.1%和51.4%。研讨职员认为,全光体系具有推理速率速、功耗低的优势,而且可以并行识别更众对象。
自动驾驶传感器