A sofőr nélküli autó projektek szaporodásával az ezt támogató technológiák fejlődése is egyre aktívabb. Ebbe a sorba tartozik a Kaliforniai Egyetem (UC, San Diego) kutatócsapatának projektje, amely az eddigieknél sokkal gyorsabban és pontosabban képes a gyalogosok érzékelésére. Az algoritmus 2-4 képkocka/másodperc sebességgel végzi a felismerést, és fele annyi hibát vét e közben, mint a használatban lévő egyéb rendszerek.
A hatékonyság kulcsa az, hogy a kamera, illetve az azt vezérlő szoftver nem a teljes képet próbálja elemezni, hanem a deep learning módszere alapján kiszűri azokat a területeket (pl. égbolt, épületek, üres útszakaszok), ahol nem fordulhatnak elő járókelők. Ezzel az optimalizálással a rendszer rengeteg erőforrást takarít meg, mely előny végül az előbb említett gyorsaságban jelentkezik.
Az eddig használt módszerek az érzékelt kép ablakokra osztásán, illetve azok elemzésén alapult. E folyamat során a szoftvernek nem egyszer több millió apró részletet kell elemeznie, ami lassítja és hibára készteti a rendszert. A UC kutatóinak módszere ezzel ellentétben az említett szűkítéses módszerrel csak azokat a területeket figyeli, ahol a gyalogosok ténylegesen megjelenhetnek.
Az algoritmus jelenlegi állapotában egyszerre csak egy típusú objektumot képest valós időben elemezni, így még nem használható a gyakorlatban. A csapat azt tervezi, hogy a jövőben további formák felismerésére is alkalmassá teszi a rendszert, ami egyébként a későbbiekben akár robotokban, vagy biztonsági kamerákban is felhasználható lesz.
Adathelyreállítás pillanatok alatt
A vírus- és végpontvédelmet hatékonyan kiegészítő Zerto, a Hewlett Packard Enterprise Company platformfüggetlen, könnyen használható adatmentési és katasztrófaelhárítási megoldása.
CIO KUTATÁS
TECHNOLÓGIÁK ÉS/VAGY KOMPETENCIÁK?
Az Ön véleményére is számítunk a Corvinus Egyetem Adatelemzés és Informatika Intézetével közös kutatásunkban »
Kérjük, segítse munkánkat egy 10-15 perces kérdőív megválaszolásával!
Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak