2018年05月10日 | 探索机器“视觉”演进的无限可能性

2018-05-10

Qualcomm AI研究人员获得ICLR殊荣：

“球面卷积神经网络（spherical Convolutional Neural Networks，缩写CNNs）”荣获ICLR 2018年度最佳论文奖

深度学习中的技术进展帮助机器能像人类一样“看”世界，这是人工智能研究中最具吸引力的部分之一。目前，一种突破性技术将让机器能够通过被称为球面卷积神经网络（spherical Convolutional Neural Networks，缩写CNNs）的处理，去看到并识别三维空间中的物体。从识别极小分子的机器到分析外太空最庞大结构的工具，我们对这项新发现的能力所能实现的种种可能的想象才刚刚开始。当然，这其中还包括了许多介乎两者之间的用例，比如指导机器人在人群中安全导航。

正如最近这次获奖所展现的，该研究领域是人工智能（AI）发展的前沿领域。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：International Conference for Learning Representations）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。蒙特利尔大学的全向摄像头。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。如今，自动驾驶无人机已向消费者出售，或许有一天它将能在几分钟内把包裹送到你的家门口，这就是球面CNNs可改善物体侦测与识别，以及视觉运动分析的一个自然应用。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，借助球面CNN的高效分析，精确覆盖虚拟物体。

人工智能机器人

上一篇:指纹方案的设计

下一篇:人脸识别正在成为当今主流