2015/7/13 下午12:06:19 星期一
当前位置: 主页 > 平步青云 >

Qualcomm AI研究重大进展,让机器像人一样看世界
时间:2019-05-31 14:16

摘要:从帮助机器像人类一样“看”世界到识别极小分子的机器再到分析外太空庞大结构的工具深度学习领域的一项技术进展所能实现的种种可能超乎你的想象这项突破性的技术,就是球面卷积神经网络(sphericalConvolutionalNeuralNetworks,缩写CNNs),通过CNNs的处理,机器可以看到并识别三

从帮助机器像人类一样“看”世界

到识别极小分子的机器

再到分析外太空庞大结构的工具

深度学习领域的一项技术进展

所能实现的种种可能

超乎你的想象

这项突破性的技术,就是球面卷积神经网络(spherical Convolutional Neural Networks,缩写CNNs),通过CNNs的处理,机器可以看到并识别三维空间中的物体。这正是人工智能(AI)发展的前沿领域。

Qualcomm CNNs研究获得ICLR殊荣

Qualcomm Technologies 荷兰研究人员 Taco Cohen 和 Max Welling 及其合作伙伴,通过与阿姆斯特丹大学联合撰写的《球面CNNs》论文荣获“国际学习表征大会(ICLR)2018年度最佳论文奖”。

ICLR 主要发布人工智能(AI)和机器学习方面的最新研究,现已举办到第六届。蒙特利尔大学的 Yoshua Bengio 和纽约大学/Facebook 的 Yann LeCun 共同担任 ICLR 2018 的主席。在全球顶尖 AI 实验室提交的约 1,000 篇投稿中,AI领域最具创新性和影响力的研究被授予最佳论文奖的殊荣。

该球面 CNN 论文引入了构建 CNNs 的新型数学架构,可鲁棒地分析球面图像,并不会受到曲面失真的影响。这是因为:球面 CNN 具有针对旋转的“等变”特性,它意味着该网络学习到的内部表征会与输入信息同步旋转。从实验的结果来看,球面 CNNs 在两项截然不同的任务上可实现出色的预测精度:球面图像 3D 模型识别和原子化能量预测(一项重要的化学问题)。

球面CNNs为什么重要

过去几年,深度学习——尤其是 CNNs——已彻底变革了 AI,语音识别、视觉对象识别、自然语言处理及其他领域均出现突破性成果。CNNs 很擅长分析线性信号,例如音频或文本、图像或视频,因其具备可识别模式的内在能力,而不管其空间或时间位置如何。

但在如汽车、无人机和机器人等多个应用中,我们都希望学习的信号留存在球体上。在科学应用中也存在大量球面信号,从地球科学到天体物理学都有相关案例。

分析此类球面信号的一个方法是把信号投影到平面上,并借助 CNN 来分析结果。但根据制图学,任何此类“地图投影”都会导致扭曲失真,让部分区域看起来比实际尺寸更大或更小。这会使 CNN 变得无效,因为随着对象在球体上移动,它们看上去不仅只是在地图上移动,而且还会显得缩小和拉伸。

如何使用球面CNNs

球面CNNs在物联网(IoT)、机器人、自动驾驶汽车、增强现实(AR)和虚拟现实(VR)领域都有诸多应用。借助面 CNNs 对物体侦测与识别的改善,无人机将能在几分钟内把包裹送到你的家门口。而在 AR 方面,一整组摄像头所拍摄的360度房间全景可融入至单球面图像中,并精确覆盖虚拟物体。

 

Qualcomm 对此项工作可能带来的上述应用和其他转换应用倍感兴奋,我们也正在积极推动此项研究及其他数据高效学习研究。

点击阅读原文,深入了解计算机视觉技术。

声明:本文由Qualcomm企业号发布,依据企业号用户协议,该企业号为文章的真实性和准确性负责。创头条作为品牌传播平台,只为传播效果负责,在文章不存在违反法律规定的情况下,不继续承担甄别文章内容和观点的义务。

阅读人数越多,红包金额越大

分享后请尽快邀请朋友阅读,帮你抢红包

朕知道了

评论

游客

发表

Qualcomm

Qualcomm

关注企业号

0

分享次数

0