Mithilfe einzigartiger 2D-Materialien und maschinellem Lernen „sieht' CV Millionen von Farben wie ein Mensch

Das menschliche Auge kann Millionen von Farben sehen, und jetzt kann es auch künstliche Intelligenz.

Kürzlich nutzte ein interdisziplinäres Forschungsteam der Northeastern University in den Vereinigten Staaten die neue Technologie der künstlichen Intelligenz, um ein neues Gerät A-Eye zu bauen, das Millionen von Farben erkennen kann, was einen großen Fortschritt im Bereich der maschinellen Bildverarbeitung darstellt. In diesem Schritt wird es in einer Reihe von Technologien wie selbstfahrenden Autos, landwirtschaftlicher Sortierung und ferngesteuerter Satellitenbildgebung weit verbreitet eingesetzt.

Die Forschungsarbeit wurde in „Materials Today“ veröffentlicht.

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

Swastik Kar, korrespondierender Autor der Studie und außerordentlicher Professor für Physik an der Northeastern University, sagte: „Mit zunehmender Verbreitung der Automatisierung wird die Fähigkeit von Maschinen, die Farbe und Form von Objekten zu erkennen, immer wichtiger.“ Das optische Fenster der Eye-Maschine kann eine reiche Farbvielfalt mit „sehr hoher Präzision“ verarbeiten – was beispiellos ist.

Darüber hinaus ist A-Eye in der Lage, die „gesehene“ Farbe ohne Abweichung vom Originalspektrum genau zu identifizieren und zu reproduzieren. Möglich ist dies dank maschineller Lernalgorithmen, die von einem KI-Forschungsteam unter der Leitung von Sarah Ostadabbas, Assistenzprofessorin für Elektro- und Computertechnik an der Northeastern University, entwickelt wurden.

Die Haupttechnologie der gesamten Forschung konzentriert sich auf die Quanten- und optischen Eigenschaften einer Materialklasse namens Übergangsmetalldichalkogenide. Diesem einzigartigen Material wurde schon immer ein unbegrenztes Potenzial zugeschrieben, insbesondere im Bereich der Sensor- und Energiespeicheranwendungen .

Forschungsübersicht

Bei der Identifizierung von Farben verwenden Maschinen normalerweise herkömmliche RGB-Filter (Rot, Grün und Blau), um Farben in ihre Bestandteile zu zerlegen, und verwenden diese Informationen dann, um im Wesentlichen die Primärfarben zu erraten und zu reproduzieren. Wenn Sie Ihre Digitalkamera auf ein farbiges Objekt richten und ein Bild aufnehmen, passiert das Licht des Objekts eine Reihe von Detektoren mit Filtern vor ihnen, die das Licht in diese rohen RGB-Farben zerlegen.

Kar sagte: „Sie können sich Farbfilter als Trichter vorstellen, die visuelle Informationen oder Daten in separate Felder liefern, und diese Trichter weisen dann natürlichen Farben künstliche Zahlen zu. Aber wenn Sie die Farben einfach in drei Komponenten aufteilen ( Rot, Grün und Blau) gibt es einige Einschränkungen.

Anstatt jedoch Farbfilter zu verwenden, verwendeten Kar und sein Team „durchlässige Fenster“ aus einem einzigartigen 2D-Material.

Kar sagt, dass sie die Maschine (d. h. A-Eye) dazu bringen, Farben auf völlig andere Weise zu erkennen. Trifft farbiges Licht auf einen Detektor, zerlegen die Forscher es nicht in seine Hauptanteile Rot, Grün und Blau und suchen auch nur nach diesen Anteilen, sondern nutzen das gesamte Spektrum an Informationen.

Darüber hinaus verwendeten die Forscher einige Techniken, um diese Inhaltsstoffe zu modifizieren, zu kodieren und auf unterschiedliche Weise zu lagern. Sie erhielten also eine Reihe von Nummern und konnten die Primärfarben auf ganz andere Weise als herkömmlich identifizieren.

Oben links im Bild unten sind die 2D-Materialien zu sehen, die zum Bau von A-Eye verwendet wurden, oben rechts ist der Arbeitsablauf von A-Eye zu sehen und unten im Bild ist der Farbvergleich zwischen der Testfarbe und A-Eye zu sehen. Augenschätzung.

Eine andere Autorin, Sarah Ostadabbas, sagte, dass A-Eye Farbe in Daten umwandelt, wenn Licht durch diese Übertragungsfenster fällt. Und integrierte Modelle für maschinelles Lernen suchen nach Mustern, um die entsprechenden von A-Eye analysierten Farben besser zu identifizieren.

Gleichzeitig kann A-Eye auch die Ergebnisse der Farbschätzung kontinuierlich verbessern, indem es alle richtigen Schätzungen zu seinem Trainingsdatensatz hinzufügt.

Über einen Autor

Der Erstautor dieser Studie, Davoud Hejazi, ist jetzt leitender Datenwissenschaftler bei Titan Advanced Energy Solutions mit den Schwerpunkten statistische Modellierung, maschinelles Lernen und Signale Datenverarbeitung, Bildverarbeitung, Cloud Computing und Datenvisualisierung.

Im Mai dieses Jahres promovierte er in Physik an der Northeastern University und seine Abschlussarbeit lautete „Dispersion-Free Accurate Color Estimation using Layered Excitonic 2D Materials and.“ Maschinelles Lernen“.

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

Das obige ist der detaillierte Inhalt vonMithilfe einzigartiger 2D-Materialien und maschinellem Lernen „sieht' CV Millionen von Farben wie ein Mensch. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!