목차
연구 개요
제1저자 소개
기술 주변기기 일체 포함 CV는 고유한 2D 재료와 기계 학습을 사용하여 인간처럼 수백만 가지 색상을 '봅니다'

CV는 고유한 2D 재료와 기계 학습을 사용하여 인간처럼 수백만 가지 색상을 '봅니다'

Apr 12, 2023 pm 02:13 PM
기계 학습 비전

인간의 눈은 수백만 가지 색상을 볼 수 있으며 이제 인공 지능도 볼 수 있습니다.

최근 미국 노스이스턴 대학의 학제간 연구팀은 새로운 인공지능 기술을 사용해 수백만 가지 색상을 인식할 수 있는 새로운 장치 A-Eye를 구축했는데, 이는 머신 비전 분야에 큰 진전을 가져왔습니다. 이 단계에서는 자율주행차, 농업 분류, 원격 위성 영상 촬영 등 일련의 기술에 널리 활용될 예정이다.

"Materials Today"에 연구 논문이 게재되었습니다.

CV는 고유한 2D 재료와 기계 학습을 사용하여 인간처럼 수백만 가지 색상을 봅니다

논문 주소: https://www.sciencedirect.com/science/article/abs/pii/S1369702122002255

Swastik Kar, 해당 연구의 교신저자이자 물리학 부교수 Northeastern University의 연구진은 "자동화가 널리 보급됨에 따라 물체의 색상과 모양을 인식하는 기계의 능력이 점점 더 중요해지고 있습니다."라고 말했습니다.

이 연구는 빛을 물질에 포함시키는 특별한 양자 특성을 가진 2D 재료를 설계했습니다. Eye Machine의 광학 창은 전례 없는 "매우 높은 정밀도"로 풍부하고 다양한 색상을 처리할 수 있습니다.

또한 A-Eye는 원래 스펙트럼에서 0의 편차 없이 "보이는" 색상을 정확하게 식별하고 재현할 수 있습니다. 이는 노스이스턴 대학교 전기 및 컴퓨터 공학과 조교수 Sarah Ostadabbas가 이끄는 AI 연구팀이 개발한 기계 학습 알고리즘 덕분에 가능합니다.

전체 연구의 주요 기술은 전이 금속 디칼코게나이드라고 불리는 물질 종류의 양자 및 광학 특성에 중점을 두고 있습니다. 이 독특한 물질은 특히 감지 및 에너지 저장 응용 분야에서 항상 무한한 잠재력을 가진 것으로 간주되어 왔습니다. .

연구 개요

색상을 식별할 때 기계는 일반적으로 전통적인 RGB(빨간색, 녹색, 파란색) 필터를 사용하여 색상을 구성 요소로 분해한 다음 해당 정보를 사용하여 기본 색상을 추측하고 재현합니다. 디지털 카메라로 색상이 있는 물체를 가리키고 사진을 찍으면 물체에서 나오는 빛은 필터가 앞에 있는 감지기 세트를 통과하여 빛을 원시 RGB 색상으로 분리합니다.

Kar는 "컬러 필터를 시각적 정보나 데이터를 별도의 상자에 보내는 깔때기로 생각할 수 있으며, 그 깔때기는 자연스러운 색상에 인위적인 숫자를 할당합니다."라고 말했습니다. 하지만 색상을 세 가지 구성 요소로 분해하면( 빨간색, 녹색, 파란색)에는 몇 가지 제한 사항이 있습니다.

그러나 Kar와 그의 팀은 컬러 필터를 사용하는 대신 독특한 2D 소재로 만들어진 "투과형 창"을 사용했습니다.

Kar는 기계(예: A-Eye)가 완전히 다른 방식으로 색상을 인식하도록 하고 있다고 말합니다. 유색광이 검출기에 도달하면 연구자들은 이를 주요 빨간색, 녹색 및 파란색 구성 요소로 분해하거나 해당 구성 요소만 찾는 것이 아니라 전체 정보 스펙트럼을 사용합니다.

게다가 연구원들은 몇 가지 기술을 사용하여 이러한 성분을 수정 및 인코딩하고 다양한 방식으로 저장했습니다. 그래서 그들에게는 일련의 숫자가 주어졌고 기존과는 매우 다른 방식으로 원색을 식별할 수 있었습니다.

아래 사진의 왼쪽 상단은 A-Eye 제작에 사용된 2D 소재, 오른쪽 상단은 A-Eye의 작업 흐름, 사진 하단은 테스트 컬러와 A-Eye의 색상 비교를 보여줍니다. 눈의 견적입니다.

CV는 고유한 2D 재료와 기계 학습을 사용하여 인간처럼 수백만 가지 색상을 봅니다

또 다른 저자인 Sarah Ostadabbas는 빛이 이러한 투과창을 통과할 때 A-Eye가 색상을 데이터로 처리한다고 말했습니다. 그리고 내장된 기계 학습 모델은 A-Eye가 분석한 해당 색상을 더 잘 식별하기 위해 패턴을 찾습니다.

동시에 A-Eye는 훈련 데이터 세트에 정확한 추측을 추가하여 색상 추정 결과를 지속적으로 개선할 수도 있습니다.

제1저자 소개

이 연구의 제1저자인 Davoud Hejazi는 현재 Titan Advanced Energy Solutions의 선임 데이터 과학자로 통계 모델링, 기계 학습, 신호 처리, 이미지 처리, 클라우드 컴퓨팅 및 데이터 시각화에 주력하고 있습니다.

올해 5월 노스이스턴 대학교에서 물리학 박사 학위를 취득했으며, 졸업 논문은 "계층 여기성 2D 재료 및 기계 학습을 사용한 분산 없는 정확한 색상 추정"이었습니다.

CV는 고유한 2D 재료와 기계 학습을 사용하여 인간처럼 수백만 가지 색상을 봅니다

문서 주소: https://repository.library.northeastern.edu/files/neu:4f171c96c

위 내용은 CV는 고유한 2D 재료와 기계 학습을 사용하여 인간처럼 수백만 가지 색상을 '봅니다'의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 아무도들을 수없는 경우 오디오를 수정하는 방법
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

이 기사에서는 SHAP: 기계 학습을 위한 모델 설명을 이해하도록 안내합니다. 이 기사에서는 SHAP: 기계 학습을 위한 모델 설명을 이해하도록 안내합니다. Jun 01, 2024 am 10:58 AM

기계 학습 및 데이터 과학 분야에서 모델 해석 가능성은 항상 연구자와 실무자의 초점이었습니다. 딥러닝, 앙상블 방법 등 복잡한 모델이 널리 적용되면서 모델의 의사결정 과정을 이해하는 것이 특히 중요해졌습니다. explainable AI|XAI는 모델의 투명성을 높여 머신러닝 모델에 대한 신뢰와 확신을 구축하는 데 도움이 됩니다. 모델 투명성을 향상시키는 것은 여러 복잡한 모델의 광범위한 사용은 물론 모델을 설명하는 데 사용되는 의사 결정 프로세스와 같은 방법을 통해 달성할 수 있습니다. 이러한 방법에는 기능 중요도 분석, 모델 예측 간격 추정, 로컬 해석 가능성 알고리즘 등이 포함됩니다. 특성 중요도 분석은 모델이 입력 특성에 미치는 영향 정도를 평가하여 모델의 의사결정 과정을 설명할 수 있습니다. 모델 예측 구간 추정

투명한! 주요 머신러닝 모델의 원리를 심층적으로 분석! 투명한! 주요 머신러닝 모델의 원리를 심층적으로 분석! Apr 12, 2024 pm 05:55 PM

일반인의 관점에서 보면 기계 학습 모델은 입력 데이터를 예측된 출력에 매핑하는 수학적 함수입니다. 보다 구체적으로, 기계 학습 모델은 예측 출력과 실제 레이블 사이의 오류를 최소화하기 위해 훈련 데이터로부터 학습하여 모델 매개변수를 조정하는 수학적 함수입니다. 기계 학습에는 로지스틱 회귀 모델, 의사결정 트리 모델, 지원 벡터 머신 모델 등 다양한 모델이 있습니다. 각 모델에는 적용 가능한 데이터 유형과 문제 유형이 있습니다. 동시에, 서로 다른 모델 간에는 많은 공통점이 있거나 모델 발전을 위한 숨겨진 경로가 있습니다. 연결주의 퍼셉트론을 예로 들면, 퍼셉트론의 은닉층 수를 늘려 심층 신경망으로 변환할 수 있습니다. 퍼셉트론에 커널 함수를 추가하면 SVM으로 변환할 수 있다. 이 하나

우주탐사 및 인간정주공학 분야 인공지능의 진화 우주탐사 및 인간정주공학 분야 인공지능의 진화 Apr 29, 2024 pm 03:25 PM

1950년대에는 인공지능(AI)이 탄생했다. 그때 연구자들은 기계가 사고와 같은 인간과 유사한 작업을 수행할 수 있다는 것을 발견했습니다. 이후 1960년대에 미국 국방부는 인공 지능에 자금을 지원하고 추가 개발을 위해 실험실을 설립했습니다. 연구자들은 우주 탐사, 극한 환경에서의 생존 등 다양한 분야에서 인공지능의 응용 분야를 찾고 있습니다. 우주탐험은 지구를 넘어 우주 전체를 포괄하는 우주에 대한 연구이다. 우주는 지구와 조건이 다르기 때문에 극한 환경으로 분류됩니다. 우주에서 생존하려면 많은 요소를 고려해야 하며 예방 조치를 취해야 합니다. 과학자와 연구자들은 우주를 탐험하고 모든 것의 현재 상태를 이해하는 것이 우주가 어떻게 작동하는지 이해하고 잠재적인 환경 위기에 대비하는 데 도움이 될 수 있다고 믿습니다.

ORB-SLAM3를 넘어! SL-SLAM: 저조도, 심한 흔들림, 약한 텍스처 장면을 모두 처리합니다. ORB-SLAM3를 넘어! SL-SLAM: 저조도, 심한 흔들림, 약한 텍스처 장면을 모두 처리합니다. May 30, 2024 am 09:35 AM

이전에 작성했던 오늘은 딥 러닝 기술이 복잡한 환경에서 비전 기반 SLAM(동시 위치 파악 및 매핑)의 성능을 향상할 수 있는 방법에 대해 논의합니다. 심층 특징 추출과 깊이 일치 방법을 결합하여 저조도 조건, 동적 조명, 질감이 약한 영역 및 심한 지터와 같은 까다로운 시나리오에서 적응을 향상하도록 설계된 다목적 하이브리드 시각적 SLAM 시스템을 소개합니다. 우리 시스템은 확장 단안, 스테레오, 단안 관성 및 스테레오 관성 구성을 포함한 여러 모드를 지원합니다. 또한 시각적 SLAM을 딥러닝 방법과 결합하여 다른 연구에 영감을 주는 방법도 분석합니다. 공개 데이터 세트 및 자체 샘플링 데이터에 대한 광범위한 실험을 통해 위치 정확도 및 추적 견고성 측면에서 SL-SLAM의 우수성을 입증합니다.

학습 곡선을 통해 과적합과 과소적합 식별 학습 곡선을 통해 과적합과 과소적합 식별 Apr 29, 2024 pm 06:50 PM

이 글에서는 학습 곡선을 통해 머신러닝 모델에서 과적합과 과소적합을 효과적으로 식별하는 방법을 소개합니다. 과소적합 및 과적합 1. 과적합 모델이 데이터에 대해 과도하게 훈련되어 데이터에서 노이즈를 학습하는 경우 모델이 과적합이라고 합니다. 과적합된 모델은 모든 예를 너무 완벽하게 학습하므로 보이지 않거나 새로운 예를 잘못 분류합니다. 과대적합 모델의 경우 완벽/거의 완벽에 가까운 훈련 세트 점수와 형편없는 검증 세트/테스트 점수를 얻게 됩니다. 약간 수정됨: "과적합의 원인: 복잡한 모델을 사용하여 간단한 문제를 해결하고 데이터에서 노이즈를 추출합니다. 훈련 세트로 사용되는 작은 데이터 세트는 모든 데이터를 올바르게 표현하지 못할 수 있기 때문입니다."

C++에서 기계 학습 알고리즘 구현: 일반적인 과제 및 솔루션 C++에서 기계 학습 알고리즘 구현: 일반적인 과제 및 솔루션 Jun 03, 2024 pm 01:25 PM

C++의 기계 학습 알고리즘이 직면하는 일반적인 과제에는 메모리 관리, 멀티스레딩, 성능 최적화 및 유지 관리 가능성이 포함됩니다. 솔루션에는 스마트 포인터, 최신 스레딩 라이브러리, SIMD 지침 및 타사 라이브러리 사용은 물론 코딩 스타일 지침 준수 및 자동화 도구 사용이 포함됩니다. 실제 사례에서는 Eigen 라이브러리를 사용하여 선형 회귀 알고리즘을 구현하고 메모리를 효과적으로 관리하며 고성능 행렬 연산을 사용하는 방법을 보여줍니다.

설명 가능한 AI: 복잡한 AI/ML 모델 설명 설명 가능한 AI: 복잡한 AI/ML 모델 설명 Jun 03, 2024 pm 10:08 PM

번역기 | 검토자: Li Rui | Chonglou 인공 지능(AI) 및 기계 학습(ML) 모델은 오늘날 점점 더 복잡해지고 있으며 이러한 모델에서 생성되는 출력은 이해관계자에게 설명할 수 없는 블랙박스입니다. XAI(Explainable AI)는 이해관계자가 이러한 모델의 작동 방식을 이해할 수 있도록 하고, 이러한 모델이 실제로 의사 결정을 내리는 방식을 이해하도록 하며, AI 시스템의 투명성, 이 문제를 해결하기 위한 신뢰 및 책임을 보장함으로써 이 문제를 해결하는 것을 목표로 합니다. 이 기사에서는 기본 원리를 설명하기 위해 다양한 설명 가능한 인공 지능(XAI) 기술을 살펴봅니다. 설명 가능한 AI가 중요한 몇 가지 이유 신뢰와 투명성: AI 시스템이 널리 수용되고 신뢰되려면 사용자가 의사 결정 방법을 이해해야 합니다.

자율주행의 최초 순수 시각적 정적 재구성 자율주행의 최초 순수 시각적 정적 재구성 Jun 02, 2024 pm 03:24 PM

순수한 시각적 주석 솔루션은 주로 비전과 동적 주석을 위한 GPS, IMU 및 휠 속도 센서의 일부 데이터를 사용합니다. 물론 대량 생산 시나리오의 경우 순수 비전일 필요는 없습니다. 일부 대량 생산 차량에는 고체 레이더(AT128)와 같은 센서가 장착됩니다. 대량 생산 관점에서 데이터 폐쇄 루프를 만들고 이러한 센서를 모두 사용하면 동적 개체에 라벨을 붙이는 문제를 효과적으로 해결할 수 있습니다. 그러나 우리 계획에는 고체 레이더가 없습니다. 따라서 가장 일반적인 대량 생산 라벨링 솔루션을 소개하겠습니다. 순수한 시각적 주석 솔루션의 핵심은 고정밀 포즈 재구성에 있습니다. 재구성 정확도를 보장하기 위해 SFM(Structure from Motion)의 포즈 재구성 방식을 사용합니다. 하지만 통과

See all articles