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)載請注明來源：賽斯維傳感器網(wǎng)（yyjsjy.net）
- 如果本文收錄的圖片文字侵犯了您的權(quán)益，請及時(shí)與我們聯(lián)系，我們將在24內(nèi)核實(shí)刪除，謝謝！
