人工智慧的識別，原來這麼簡單，隱藏的物體不需要視覺也可以識別

2020-09-03 侃侃商科

許多人工智慧很難檢測到偽裝的物體是因為它們的算法依賴於視覺線索

無論是對人類還是人工智慧來說，去識別發現偽裝的物體都具有一定難度。但是現在，人工智慧通過訓練，可以從背景中分析出隱藏的物體。這項技術未來可用於許多方面，例如搜索救援工作、檢測農業害蟲、醫學成像或軍事環境。

斑馬條紋

探測偽裝物體需要視覺感知和知識。到目前為止，許多人工智慧都在努力完成這項任務，因為他們的算法主要依賴於視覺線索來識別物體，例如顏色的差異或容易識別的輪廓形狀。

為了改進這一點，阿聯阿布達比人工智慧研究所的沈建冰和他的同事們整理了包含10000張照片的數據集對人工智慧開展訓練。沈建冰介紹，該數據集中包括5066幅偽裝物體的圖像，可分為78類，如「兩棲類」、「水生類」和「飛行類」。照片中既有魚類和昆蟲等自然偽裝的動物，也有穿制服的士兵等人工偽裝的例子。儘管偽裝物體的資料庫已經存在，但這個數據集是目前最大的。

研究小組人工標記了涉及偽裝物體的每一幅圖像，以突出其形狀、是否被周圍環境部分阻擋等特徵。然後，他們開發了一款名為SINet的人工智慧，並根據數據集的圖像對其進行訓練。

研究人員將SINet與現有的12種用於檢測通用對象的算法進行了比較。他們使用三組現有的偽裝對象數據集測試了所有的13種算法。SINet在分離偽裝物體方面、識別其在現有和訓練數據集中的正確形狀和性質方面都優於其他算法。研究人員表示，「在所有測試數據集上，SINet的性能都優於各種最先進的目標檢測基線，因此它是一個強大的通用框架，有助於促進未來的研究。」之後，他們將於6月在華盛頓西雅圖舉行的CVPR 2020會議（IEEE國際計算機視覺與模式識別會議）上介紹這項工作。

相關焦點

  • 圖像識別與人工智慧圖像識別和機器視覺有什麼區別
    人工智慧領域發展到現在，ai與人工智慧、圖像識別領域、計算機視覺領域等近年來越來越多的整合和融合。首先，人工智慧在生活工作中將普遍應用；其次，人工智慧在不同的工作場景都有其應用，從金融到醫療，從服務到工廠，應用無處不在；最後，人工智慧正在與自動駕駛技術等聯繫在一起。
  • 李飛飛:在物體識別之後,計算機視覺還要多久才能理解這個世界
    場景識別單獨來看是一項簡單的任務，在谷歌裡搜索「穿西裝的男人」或者「可愛的小狗」，都能直接得到理想的結果。但是當你搜索「穿西裝的男人抱著可愛的小狗」的時候，就得不到什麼好結果。它的表現在這裡就變得糟糕了，這種物體間的關係是一件很難處理的事情。比如只關注了「長椅」和「人」的物體識別，就得不到「人坐在長椅上」的關係；即便訓練網絡識別「坐著的人」，也無法保證看清全局。
  • 能夠識別圖片中的物體的智能工具
    人工智慧研究最有趣的領域之一就是計算機視覺（computer vision），從無人駕駛汽車內部構件到機器猜年齡，計算機視覺系統軟體擁有著很大的開發潛能。近期，計算機科學家史蒂芬·沃爾夫勒姆（Stephen Wolfram）發布了一種新工具，名叫「沃爾夫勒姆圖片識別項目」（ Wolfram Image Identification Project）。用戶藉助這項工具首先需要上傳或者連結到一張圖片，然後就可以看到計算機如何來識別圖片中物體。
  • 人工智慧識別初露鋒芒:可根據照片識別攝影師
    在一項新的國際跨學科研究中，研究人員通過使用人工智慧算法分析近 60000 張二戰時期的歷史照片發現，人工智慧可以根據照片內容來識別攝影師的身份。相關研究成果以論文的形式發表在科學雜誌 IEEE Access上。
  • 微軟識花:精細物體識別是怎麼做到的
    對於常用物體的識別採用了微軟亞洲研究院最先進的圖像識別技術。在內部測試中，識別精度可以達到90%。精確識別：不僅僅是人工智慧了精細物體識別有著極高的門檻，對於人類而言需要的是長時間的訓練和知識的積累，此外還要求極為細緻的觀察能力。
  • Facebook開源物體識別工具Detectron,加速計算機視覺研究
    （FAIR）開源了計算機視覺研究平臺Detectron。近日，Facebook的人工智慧實驗室（FAIR）開源了計算機視覺研究平臺Detectron。Detectron系統實現了最先進的物體檢測算法，包括Mask R-CNN。 它是用Python編寫的，支持Caffe2深度學習框架。
  • 人工智慧使人臉識別更加智能化
    Umbo計算機視覺公司是一家臺灣創業公司，擁有1000萬美元的基於人工智慧的視頻安全系統，可以理解人類的行為。Umbo的執行長Shawn Guan說，實體安全已經伴隨我們有幾十年之久。「我們在很多地方都可以看到攝像頭，比如學校、公共運輸、辦公室，或者是住宅區，但我們大多數人都沒有情感上的聯繫。」當我們看到攝像頭時，我們感覺不太安全。
  • 包括的領域有計算機視覺,語音識別,自然語言處理,圖像識別等
    現在人工智慧已經包括的領域有計算機視覺，語音識別，自然語言處理，圖像識別等。人工智慧的步驟人工智慧基本步驟包括，信息提取->信息分析->假設建模->學習->泛化，具體步驟。如果說計算機視覺是讓計算機看到一張黑白的二維圖像，那麼它可以識別字符串，可以通過圖像獲取某個標註的信息，它具有特定的識別圖像，可以從圖像分析出某個基本的結構。
  • 機器視覺人臉識別技術在智能商業中的應用
    從2011年成立以來，曠視科技(Face++)致力於成為「讓機器看懂世界」的人工智慧公司，賦予機器一雙慧眼。讓它像人一樣去「觀察」、去「思考」，這樣它就能夠產生更多的功能，從它看的、想的一些數據裡面繼而形成一個整體的數據分析，而我們可以運用這些數據去做判斷、檢測、識別還有測量等，這樣以往可能需要人工或半人工做的事情，隨著機器視覺技術的變革都可以通過機器提升效率。
  • 果蠅的視覺模式識別具有視網膜位置不變性
    視覺不變性的神經機制研究將揭示概念如何形成、如何存儲，有了概念才有思維和內心世界的構建，因而視覺不變性研究將是理解腦之智慧的關鍵和切入點。 視覺不變性這種重要的生物特性在低等動物中一直沒有被發現。以往人們認為果蠅的腦很簡單，只能按模板匹配識別圖形，如果遇到同樣目標，位置稍微變一點就會認不出來了。研究果蠅這類自由運動的生物是否具有視覺不變性有一定的困難。
  • 人工智慧與計算機視覺
    人工智慧的目的是讓計算機去看、去聽和去讀。圖像、語音和文字的理解，這三大部分基本構成了我們現在的人工智慧。而在人工智慧的這些領域中，視覺又是核心。大家知道，視覺佔人類所有感官輸入的80%，也是最困難的一部分感知。如果說人工智慧是一場革命，那麼它將發軔於計算機視覺，而非別的領域。　　人工智慧更強調推理和決策，但至少計算機視覺目前還主要停留在圖像信息表達和物體識別階段。
  • 自動駕駛的未來,是雷射雷達還是視覺識別?
    一般自動駕駛的視覺訓練邏輯只能識別到車輛後部、側面 和 頭部，顯然特斯拉的工程師沒有想到有一天系統需要識別貨車車箱的頂部。 計算機視覺系統的工作原理看上去很簡單，僅需要用攝像頭跟毫米波雷達對周邊的視覺信息進行收集，然後再對收集到的信息進行深度學習處理
  • 人臉識別行業分析
    隨著視覺人工智慧技術的逐漸成熟及應用領域的逐步擴大，預計到 2020 年中國視覺人工智慧市場規模將進一步擴大，達到 755.5 億元。視覺人工智慧是中國人工智慧市場上最大的組成部分。根據中國信通院數據，2017 年中國人工智慧市場中視覺人工智慧的佔比超過 37%。在視覺人工智慧領域，安防影像分析是最大的應用場景，2017 年佔比約 67.9%。
  • 簡單解讀VR/AR主流光學手勢識別技術
    就像是魚缸中的金魚，它可以在你面前上下左右的遊動，也可能離你更遠或者更近。前兩種手勢識別技術，完全是基於二維層面的，它們只需要不含深度信息的二維信息作為輸入即可。就像平時拍照所得的相片就包含了二維信息一樣，我們只需要使用單個攝像頭捕捉到的二維圖像作為輸入，然後通過計算機視覺技術對輸入的二維圖像進行分析，獲取信息，從而實現手勢識別。而第三種手勢識別技術，是基於三維層面的。
  • 深度學習技術和卷積神經網絡(CNN)讓機器視覺識別更智能
    隨著人工智慧技術的進步，深度學習技術（DL）和卷積神經網絡技術(CNN)領域的人工智慧（AI）被引入到機器視覺圖像處理系統的應用中來,從而幫助機器學習和機器檢測缺陷更加高效，使機器視覺識別的過程更加精確。也讓使用這些技術的企業可以從智能化中獲得更高的生產經營效益。
  • 工業視覺行業怎麼樣,工業視覺識別系統廠家
    工業視覺行業怎麼樣基於在速度、精度以及可重複性等方面的絕對優勢，機器視覺在工業自動化的重要性不言而喻，其不僅可以使產品質量更加穩定，還能提高生產過程中的柔性化程度。甚至在一些不適於人工作業的危險工作環境中，機器視覺已難以替代。
  • 微軟亞洲研究院王井東:下一代視覺識別的通用網絡結構是什麼樣的...
    高解析度網絡，重新定義新一代視覺識別通用網絡結構。　　2020 年 8 月 7 日，第五屆全球人工智慧與機器人峰會（CCF-GAIR 2020）在深圳正式開幕。　　以下是王井東大會現場全部演講內容，雷鋒網AI掘金志作了不改變原意的整理及編輯：　　非常榮幸能夠在這裡跟大家分享我們的工作，今天我報告的題目是「高解析度網絡，一種面向視覺識別的通用網絡結構」。
  • Python驗證碼識別:利用pytesser識別簡單圖形驗證碼
    ，涉及到計算機圖形學，機器學習，機器視覺，人工智慧等等高深領域……簡單地說，計算機圖形學的主要研究內容就是研究如何在計算機中表示圖形、以及利用計算機進行圖形的計算、處理和顯示的相關原理與算法。在Debian/Ubantu Linux下直接通過apt安裝：$sudo apt-get install python-imagingMax和其他版本的Linux可以直接使用easy_install或pip安裝，安裝前需要把編譯環境裝好：$ sudo easy_install PIL
  • 人工智慧的下一個前沿:識別「零」和「無」
    在印度阿拉伯學者和義大利數學家斐波那契之後，「零」的概念徹底改變了數學界，將其引入了我們的現代編號系統，今天我們可以自由自在地在數學運算中使用「零」。但對人工智慧而言，「零」或「無」仍然是一個尚未涉足的領域，從某種意義上說，人工智慧和深度學習仍然需要通過「零」或「無」學習識別和推理。
  • 港科大教授權龍:三維視覺重新定義人工智慧安防
    人工智慧的本質上是讓計算機去聽、看、讀，在所有的信息裡面，視覺信息佔了所有感官的80%，所以視覺基本上是現代人工智慧的核心。對我們來說，其實並沒有泛泛的人工智慧，人工智慧需要具體根據技術維度和場景維度，區分開來看，人工智慧的發展、革命和應用落地，一定是取決於以及受限於計算機視覺發展、革命和應用。