今天的汽车防撞系统和实验性无人驾驶汽车依靠雷达和其他传感器来探测道路上的行人。亚博排列五投注网站下一个改进可能来自加州大学圣地亚哥分校(UCSD)的工程师,他们开发了一种行人检测系统,可以仅根据视觉线索进行接近实时的操作。这种只有视频的检测系统可以使发现行人的系统更便宜、更有效。

这种基于视觉的安全系统在汽车上仍然难以实现,因为计算机通常面临快速分析视频图像和得出正确结论之间的权衡。一方面,一个简单的“级联检测”计算机视觉算法可以在某些图像中快速检测到许多行人,但在最困难的情况下,它缺乏区分行人和相似物体的复杂性。另一方面,被称为深度神经网络的机器学习算法可以处理如此复杂的模式识别,但对于实时行人检测来说速度太慢。

研究人员在新系统中结合了两种方法的优点,UCSD电气工程教授Nuno Vasconcelos说新闻稿

对于具有如此不同复杂程度的级联,以前没有任何算法能够优化检测精度和速度之间的权衡。事实上,这些是第一批包含深度学习阶段的级联。我们用这种新算法获得的结果在实时、准确的行人检测方面明显更好。

瓦斯孔塞洛斯和他的同事开发了他们的算法达到每秒可以分析2到4帧图像的程度。这还不够快,无法跟上实时视频的速度,但已经接近了。据推测,该算法的误差率只有现有类似系统的一半。

新算法在分析的早期阶段从更简单的“级联检测”算法开始,以帮助过滤掉图像中明显的非行人部分,如天空,然后在最后阶段引入更复杂的神经网络“深度学习”。在这些后期阶段,算法结合了更简单和更复杂的算法,以一种平衡检测精度和复杂性的方式。

谷歌的实验性自动驾驶汽车目前依靠各种雷达、激光雷达和其他传感器来探测道路上的行人和其他物体。亚博排列五投注网站去掉一些设备可以使汽车更便宜,更容易设计。但受益的不仅仅是无人驾驶汽车;现代防撞系统在现有的汽车中也可以使用这种算法。

事实上,谷歌一直在开发自己的视频行人检测系统.谷歌的版本采用了稍微不同的方法,但具有相同的哲学,即以节省但有针对性的方式使用深度学习算法。2015年,该系统能够在0.25秒内准确识别行人,谷歌研究计算机视觉和机器学习的科学家Anelia Angelova告诉记者亚博真人yabo.at当时。她和她的团队希望最终能达到这样一个系统实时工作所需的0.07秒识别基准。

对话(0)

我们需要的不仅仅是电动汽车

为了实现道路交通的脱碳,我们需要用自行车、铁路、城市规划和替代能源来补充电动汽车

11分钟读取
一名工人在装配线上修理汽车的框架。

中国拥有比其他任何国家都多的电动汽车,但它的大部分电力来自煤炭。

向量/盖蒂图片社
绿色

电动汽车终于成熟了。购买和驾驶汽车的总成本——拥有成本——已经下降几乎相等一辆典型的汽油车。科学家和工程师通过向电池中注入更多的能量来延长电动汽车的续航里程,许多国家的汽车充电网络也得到了扩展。例如,在美国就有超过4.9万个公共充电站,现在是可能的驾驶电动汽车从纽约到加利福尼亚使用公共充电网络。

综上所述,消费者和政策制定者都希望,通过用电动汽车取代现有的汽车,社会很快就能大幅减少碳排放。事实上,采用电动汽车将大大有助于改善环境状况。但电动汽车也有重要的弱点,所以人们不应该只指望它们来完成这项工作,即使是在交通部门。

继续阅读↓ 显示更少
Baidu