Autonoma fordon måste snabbt och exakt kunna identifiera föremål de möter, till exempel lastbilar som står parkerade runt hörn eller cyklister som närmar sig korsningar. För att uppnå detta kan autonoma bilar använda en kraftfull datorseendemodell för att klassificera varje pixel i högupplösta scenbilder, för att säkerställa att de inte förbiser objekt som kan skymmas i bilder av låg kvalitet. Denna uppgift, känd som semantisk segmentering, är dock mycket komplex och kräver omfattande beräkningar, särskilt med högupplösta bilder.
Enligt internationella mediarapporter har forskare från Massachusetts Institute of Technology (MIT), MIT-IBM Watson AI Lab och andra institutioner samarbetat för att utveckla en mer effektiv datorseendemodell, vilket avsevärt minskar beräkningskomplexiteten för ovannämnda uppgift. Denna modell kan utföra exakt semantisk segmentering i realtid på enheter med begränsade hårdvaruresurser, såsom fordonsdatorer, vilket gör att autonoma bilar kan fatta omedelbara beslut.
Aktuella toppmoderna semantiska segmenteringsmodeller kan direkt lära sig interaktionerna mellan varje par pixlar i en bild, vilket innebär att deras beräkning växer kvadratiskt när bildupplösningen ökar. Även om sådana modeller är mycket exakta, är deras bearbetningshastighet för långsam för att hantera högupplösta bilder i realtid på avancerade enheter som sensorer eller smartphones.
Forskare vid MIT designade en ny komponent för den semantiska segmenteringsmodellen, med kapacitet som motsvarar de mest avancerade modellerna i sitt slag men som endast uppnår linjär beräkningskomplexitet och underlättar effektiv hårdvaruoperation.
Resultatet av forskarnas arbete är en ny serie modeller för högupplöst datorseende. När de används på mobila enheter fungerar dessa modeller 9 gånger snabbare än sina föregångare. Viktigt, i jämförelse med alternativa lösningar, uppnår denna nya modell liknande, om inte bättre, noggrannhet.
Den här tekniken kan inte bara hjälpa autonoma bilar att fatta beslut i realtid, utan den kan också förbättra effektiviteten för andra högupplösta datorseendeuppgifter, såsom medicinsk bildsegmentering.
