شناسایی عابران پیاده توسط خودروهای خودران
پدال نیوز: محققان دانشگاه کالیفرنیا در ساندیگو یک سیستم شناسایی عابر پیاده طراحی کردهاند که به ادعای آنها بطور فوری و با دقت بسیار بالاتری از سیستمهای موجود عمل میکند.
به گزارش "پدال نیوز" به گزارش پدال نیوز به نقل از ایسنا، محققان بر این باورند که این الگوریتم و فناوری میتواند در خودروهای خودران، رباتیک و در سیستمهای جستوجوی تصویر و فیلم مورد استفاده قرار بگیرد.
این محققان مدلهای قدیمی نسخه رایانهای را با یادگیری عمیق ترکیب کردهاند تا دقت و سرعت الگوریتم را ارتقا بخشند.
هدف آنها ایجاد یک نسخه زمان واقعی بود که به سیستم اجازه شناسایی و دستهبندی اجسام و بویژه انسانها را در شرایط رانندگی عادی شهری میدهد. این امر به خودروهای خودران، رباتهای تحویلدهنده بار یا پهپادهای با ارتفاع پرواز پایین اجازه خواهد داد تا عابران پیاده و ازدحامها را شناسایی کرده و با آنها برخورد نکنند.
بیشتر سیستمهای شناسایی عابر پیاده، یک تصویر را به بخشهای کوچکتر تقسیم کرده که با یک برنامه گروهبندی برای تعیین حضور یک شکل انسانی پردازش میشوند. این کار میتواند برای مهندسان چالشبرانگیز باشد زیرا انسانها دارای اندازهها و شکلهای گوناگون هستند و فاصله باعث تغییر دورنما و اندازه اشیا میشود. در زمان استفاده فوری، این کار شامل پردازش میلیونها بخش در پنج الی 30 فریم در ثانیه است.
روش تشخیص آبشاری مورد استفاده در سیستم جدید همین عملکرد پایه را اعمال میکند اما این کار را بطور مرحلهای و نه یکجا انجام میدهد. این کار به الگوریتم اجازه میدهد تا به سرعت فریمهایی را که شباهتی به حضور یک شکل انسانی ندارند، کنار گذاشته و بر روی تصاویر محتملتر تمرکز کند.
مرحله اول بر روی آسمان و فضاهای خالی تمرکز دارد. مرحله دوم به طبقهبندی و کنار گذاشتن فریمهایی میپردازد که به شکل و رنگ انسان بوده اما عابر نیستند (مانند درختان، بوته و سایر خودروها). مرحله نهایی نیز با دقت و جزئیات بیشتر به طبقهبندی ادامه میدهد تا زمانی که تنها عابران پیاده باقی بمانند. اگرچه این محاسبات و پردازشهای نهایی بسیار سنگین هستند، اما تنها تعداد کمی از آنها مورد نیاز بوده و از این رو این فرآیند بسرعت انجام میشود.
بطور سنتی، سیستمهای شناسایی آبشاری از دستهبندی کنندههای سادهتر موسوم به " یادگیرندههای ضعیف" استفاده میکنند. در سیستم جدید، سیستمهای شناسایی مرحله بعد همزمان با اجرا به یادگیری میپردازند و در نتیجه، دستهبندی کنندهها پیچیدهتر و سریعتر میشوند. دستهبندی کنندهها با گذشته زمان در هر مرحله بیشتر تقویت میشوند و در هر محله تغییر میکنند. این مهمترین تفاوت میان االگوریتم جدید و سیستمهای رایج شناسایی عابر پیاده است.
الگوریتم این کار را با یادگیری اینکه کدام ترکیب از یادگیرندههای ضعیف توانسته بودند عابران را در یک فریم تشخیص دهند، انجام داده و با ارتقای فریمها، بر روی آنها بیشتر تاکید میکند و فرآیند شناسایی را سرعت میبخشد.
این محققان مدلهای قدیمی نسخه رایانهای را با یادگیری عمیق ترکیب کردهاند تا دقت و سرعت الگوریتم را ارتقا بخشند.
هدف آنها ایجاد یک نسخه زمان واقعی بود که به سیستم اجازه شناسایی و دستهبندی اجسام و بویژه انسانها را در شرایط رانندگی عادی شهری میدهد. این امر به خودروهای خودران، رباتهای تحویلدهنده بار یا پهپادهای با ارتفاع پرواز پایین اجازه خواهد داد تا عابران پیاده و ازدحامها را شناسایی کرده و با آنها برخورد نکنند.
بیشتر سیستمهای شناسایی عابر پیاده، یک تصویر را به بخشهای کوچکتر تقسیم کرده که با یک برنامه گروهبندی برای تعیین حضور یک شکل انسانی پردازش میشوند. این کار میتواند برای مهندسان چالشبرانگیز باشد زیرا انسانها دارای اندازهها و شکلهای گوناگون هستند و فاصله باعث تغییر دورنما و اندازه اشیا میشود. در زمان استفاده فوری، این کار شامل پردازش میلیونها بخش در پنج الی 30 فریم در ثانیه است.
روش تشخیص آبشاری مورد استفاده در سیستم جدید همین عملکرد پایه را اعمال میکند اما این کار را بطور مرحلهای و نه یکجا انجام میدهد. این کار به الگوریتم اجازه میدهد تا به سرعت فریمهایی را که شباهتی به حضور یک شکل انسانی ندارند، کنار گذاشته و بر روی تصاویر محتملتر تمرکز کند.
مرحله اول بر روی آسمان و فضاهای خالی تمرکز دارد. مرحله دوم به طبقهبندی و کنار گذاشتن فریمهایی میپردازد که به شکل و رنگ انسان بوده اما عابر نیستند (مانند درختان، بوته و سایر خودروها). مرحله نهایی نیز با دقت و جزئیات بیشتر به طبقهبندی ادامه میدهد تا زمانی که تنها عابران پیاده باقی بمانند. اگرچه این محاسبات و پردازشهای نهایی بسیار سنگین هستند، اما تنها تعداد کمی از آنها مورد نیاز بوده و از این رو این فرآیند بسرعت انجام میشود.
بطور سنتی، سیستمهای شناسایی آبشاری از دستهبندی کنندههای سادهتر موسوم به " یادگیرندههای ضعیف" استفاده میکنند. در سیستم جدید، سیستمهای شناسایی مرحله بعد همزمان با اجرا به یادگیری میپردازند و در نتیجه، دستهبندی کنندهها پیچیدهتر و سریعتر میشوند. دستهبندی کنندهها با گذشته زمان در هر مرحله بیشتر تقویت میشوند و در هر محله تغییر میکنند. این مهمترین تفاوت میان االگوریتم جدید و سیستمهای رایج شناسایی عابر پیاده است.
الگوریتم این کار را با یادگیری اینکه کدام ترکیب از یادگیرندههای ضعیف توانسته بودند عابران را در یک فریم تشخیص دهند، انجام داده و با ارتقای فریمها، بر روی آنها بیشتر تاکید میکند و فرآیند شناسایی را سرعت میبخشد.
گزارش خطا
پسندها: 0
ارسال نظر
آخرین اخبار
مالیات نخستین نقل و انتقال خودرو بر عهده خودروساز است برندهای خودروی چینی نابود میشوند؟ اولین سری پیکاپهای موسو گرند-خان تحویل مشتریان شد صنعت خودرو در تله مونتاژ؟ ۴ مبدا واردات خودرو و نیرو محرکه واکنش وزارت صمت به عرضه خودرو در بورس بازگشت پکارد به صنعت خودرو صادرات خودروسازان چینی ۲ برابر میشود تولید خودروی کشور در کدام سالها سقوط کرد؟ پرش ۱۶۵ درصدی خودروسازان خصوصی خودرو در شوک قیمتی فراخوان BMW برای ۳۳۰ هزار خودرو پایان سدان لوکس لکسوس؟ وام ۲ میلیارد دلاری بریتانیا به جگوار لندرور برگزارکننده نمایشگاه خودرو شهر آفتاب مشخص شد شرایط فروش مرسدس بنز EQA راسا موتور اعلام شد کراس اوور پاک ماموت خودرو ISQI واحد صنعتی نمونه استان تهران شد فولکس واگن ID.UNYX وارداتی ماموت خودرو متفاوت و خاص چاه ویل ارز خودرویی «قبرستانهای خودرویی» در چین علت تعویق ۶ ماهه واگذاری سایپا مرسدس بنز شرکت جدید تاسیس کرد تجربه مالکان خودروهای فونیکس NEV ام وی ام ایکس ۷۷ پاسخ به نیاز کدام گروه از خریداران است؟ روایت مجلس از تحولات ۸ ساله خودرو ورود قوه قضائیه به قیمت گذاری خودرو انتقاد رئیس سازمان بازرسی از فضای انحصاری خودرو پیشتازی BYD در اروپا آمارخوانی خودرو به جای سیاستگذاری؟ خودروهای وارداتی گران شدند فونیکس، ققنوسی بر فراز بازار خودروی ایران آغاز تحویل نخستین سری اف ایکس تمام برقی در ایران تابآوری «خودرو» در شرایط تحریمی قانون ساماندهی بازار خودرو در دستور کار مجلس خودرو؛ صدرنشین دریافت ارز توقف تولید جگوار لندروور به ۳ هفته رسید
شرایط فروش
پربازدیدترینها
پربحثترینها
واکنش وزارت صمت به عرضه خودرو در بورس صادرات خودروسازان چینی ۲ برابر میشود بازگشت پکارد به صنعت خودرو ۴ مبدا واردات خودرو و نیرو محرکه صنعت خودرو در تله مونتاژ؟ اولین سری پیکاپهای موسو گرند-خان تحویل مشتریان شد برندهای خودروی چینی نابود میشوند؟ مالیات نخستین نقل و انتقال خودرو بر عهده خودروساز است