钻研人员研发机器学习法 用微波实在识别物体可用于自动驾驶汽车

来源:http://www.liudja.cn 时间:03-10 01:58:46

盖世汽车讯 据表媒报道,美国杜克大学(Duke University)和法国尼斯大学物理系(Institut de Physique de Nice)的工程师们研发了一栽新手段,行使微波识别物体,能够挑高实在性,同时缩短了有关的计算时间和功耗。该编制能够用于自动驾驶汽车、坦然扫描和活动传感等关键周围,以改善物体识别,并挑高物体识别速度。

新手段基于机器学习,省往了中间环节,跳过了创建图像供人造分析的步骤,能够直接分析纯数据。此表,该手段还能够确定最优硬件配置,展现最主要数据的同时发现实际上最主要的数据是什么。在一项概念认证钻研中,该竖立进走了数十次测量,而无需清淡所需的数百或数千次,就切确识别了一组3D数字。

在该项钻研中,钻研人员操纵了一栽超原料天线,能够将微波波阵面塑造成很众分别的形状。在此栽情况下,超原料是一个8×8的正方形网格,每个网格都包含电子组织,能够进走动态调整,以不准或传输微波。

在新式物体识别技术中,无线电波源(后面板)会创建一个波阵面(中面板),该波阵面由一个超原料屏组成,可让无线电波在某些地方始末,产品展示但是无法始末其他地方(前线板)。然后,机器学习会找到能够阐明物体最有用特征的波形,该手段在挑高识别精度的同时还缩短了计算时间和功耗。

在每一次测量中,该智能传感器会选择众个正方形网格,让微波能够穿过,从而创造了一栽稀奇的微波模式,可从被识别的物体上逆射回来,并逆射回到另一个相通的超原料天线上。该传感天线还会采用一个活动的正方形网格,增补更众选择,以塑造逆射波。然后,计算机会分析输入的信号,并尝试识别该物体。

始末对分别的情况,重复该过程数千次,最后,机器学习算法会发现哪些新闻最主要,以及发送天线和授与天线上的哪些竖立最正当搜集此类新闻。

经过训练后,该机器学习算法会凝神于一幼组竖立,此类竖立能够协助其区分“有用”(幼麦)数据与无用数据(谷壳),从而缩短所需测量次数、时间和计算能力。传统的微波成像编制清淡必要进走数百次甚至数千次测量,而现在的编制只必要不到10次测量,就能够“望到”物体。

此次改进能否让该技术扩展行使于更添复杂的传感行使仍未可知,但是钻研人员已经尝试行使新概念优化下一代计算机界面的手部行为和手势识别。还有很众其他周围必要改进微波传感技术,而此栽超原料的体积幼、成本矮且易于制造的特性使其可用于异日设备中。(文中图片均来自杜克大学)


发表评论
评论内容:不能超过250字,需审核,请自觉遵守互联网相关政策法规。
用户名: 密码:
匿名?