產(chǎn)品中心 應(yīng)用方案 技術(shù)文摘質(zhì)量保證產(chǎn)品選型 下載中心業(yè)內(nèi)動(dòng)態(tài) 選型幫助 品牌介紹 產(chǎn)品一覽 聯(lián)系我們
- 雙目視覺傳感器和神經(jīng)網(wǎng)絡(luò)能否逼近人眼視覺?
- 來源:賽斯維傳感器網(wǎng) 發(fā)表于 2017/5/8
我們知道普通雙目傳感器都是需要畸變校準(zhǔn)的,比如張正友方法,但是雙目的深度信息并不很好。能否用雙目的圖片或者視頻,通過神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練?逼近人眼的狀態(tài)?
比如視察比較,是基于特征點(diǎn)計(jì)算的,特征點(diǎn)的匹配,是數(shù)學(xué)上的。并不能識(shí)別物。人眼可以很好的區(qū)分物,知道物的邊界。物的邊界反過來,又能更好的進(jìn)行特征點(diǎn)匹配。
雙目視覺傳感器和神經(jīng)網(wǎng)絡(luò)逼近人眼視覺,難點(diǎn)是提高神經(jīng)網(wǎng)絡(luò)的性能。雙目視覺所用傳感器,不管是分辨率、鏡頭、頻譜范圍,都可以遠(yuǎn)遠(yuǎn)超過人的雙眼。之所以最終表現(xiàn)不如人,主要原因是分析處理算法上的進(jìn)展,還沒有達(dá)到媲美人腦的程度。目前趁著深度學(xué)習(xí)的熱潮,應(yīng)該會(huì)有不少突破,畢竟原理上人腦能做到的,計(jì)算機(jī)也可以做到。而且在速度、可重復(fù)性、耐力上,計(jì)算機(jī)的性能肯定是非人腦可比的。之前看到過很多基于深度學(xué)習(xí)的模型,比如3dShapeNet,或者BING+GP-LVM+ConvNet之類。最近看到一個(gè)FusionNet,看上去應(yīng)該很有效:
轉(zhuǎn)載請(qǐng)注明來源:賽斯維傳感器網(wǎng)(www.jsxlzzp.com)
- 如果本文收錄的圖片文字侵犯了您的權(quán)益,請(qǐng)及時(shí)與我們聯(lián)系,我們將在24內(nèi)核實(shí)刪除,謝謝!