Grâce à des matériaux 2D uniques et à l'apprentissage automatique, CV « voit » des millions de couleurs comme un humain

Les yeux humains peuvent voir des millions de couleurs, et désormais l’intelligence artificielle le peut aussi.

Récemment, une équipe de recherche interdisciplinaire de l'Université Northeastern aux États-Unis a utilisé une nouvelle technologie d'intelligence artificielle pour construire un nouvel appareil A-Eye capable de reconnaître des millions de couleurs, ce qui représente un grand pas en avant dans le domaine de la vision industrielle. Dans cette étape, il sera largement utilisé dans une série de technologies telles que les voitures autonomes, le tri agricole et l’imagerie satellite à distance.

Le document de recherche a été publié dans « Materials Today ».

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

Swastik Kar, auteur correspondant de l'étude et professeur agrégé de physique à la Northeastern University, a déclaré : "À mesure que l'automatisation se généralise, la capacité des machines à reconnaître la couleur et la forme des objets devient de plus en plus importante.

La recherche a conçu un matériau 2D doté de propriétés quantiques spéciales qui intègre la lumière dans un-." La fenêtre optique de la machine Eye peut gérer une riche variété de couleurs avec une « très haute précision » – ce qui est sans précédent.

De plus, A-Eye est capable d'identifier et de reproduire avec précision la couleur « vue » avec un écart nul par rapport au spectre d'origine. Ceci est possible grâce aux algorithmes d'apprentissage automatique développés par une équipe de recherche en IA dirigée par Sarah Ostadabbas, professeure adjointe de génie électrique et informatique à la Northeastern University.

La technologie principale de l'ensemble de la recherche se concentre sur les propriétés quantiques et optiques d'une classe de matériaux appelés dichalcogénures de métaux de transition. Ce matériau unique a toujours été considéré comme ayant un potentiel illimité, en particulier dans le domaine des applications de détection et de stockage d'énergie. .

Aperçu de la recherche

Lors de l'identification des couleurs, les machines utilisent généralement des filtres RVB traditionnels (rouge, vert et bleu) pour décomposer les couleurs en leurs composants, puis utilisent ces informations pour deviner et reproduire essentiellement les couleurs primaires. Lorsque vous pointez votre appareil photo numérique sur un objet coloré et prenez une photo, la lumière de l'objet passe à travers un ensemble de détecteurs dotés de filtres devant eux qui séparent la lumière en ces couleurs RVB brutes.

Kar a déclaré: "Vous pouvez considérer les filtres de couleur comme des entonnoirs qui fournissent des informations visuelles ou des données dans des cases séparées, puis ces entonnoirs attribuent des nombres artificiels aux couleurs naturelles. Mais si vous décomposez simplement les couleurs avec trois composants ( rouge, vert et bleu), il existe certaines restrictions.

Cependant, au lieu d'utiliser des filtres de couleur, Kar et son équipe ont utilisé des « fenêtres transmissives » constituées d'un matériau 2D unique.

Kar dit qu'ils utilisent la machine (c'est-à-dire A-Eye) pour reconnaître les couleurs d'une manière complètement différente. Lorsqu'une lumière colorée frappe un détecteur, les chercheurs ne la décomposent pas en ses principales composantes rouge, verte et bleue ou ne recherchent pas simplement ces composantes, mais utilisent plutôt l'ensemble du spectre d'informations.

En plus de cela, les chercheurs ont utilisé quelques techniques pour modifier et coder ces ingrédients et les stocker de différentes manières. Ils ont donc reçu un ensemble de chiffres et ont pu identifier les couleurs primaires d'une manière très différente de celle conventionnelle.

Le coin supérieur gauche de l'image ci-dessous montre les matériaux 2D utilisés pour construire A-Eye, le coin supérieur droit montre le flux de travail de A-Eye et le bas de l'image montre la comparaison des couleurs entre la couleur de test et A-Eye. Estimation de Eye.

Une autre auteure, Sarah Ostadabbas, a déclaré que lorsque la lumière traverse ces fenêtres de transmission, A-Eye transforme la couleur en données. Et les modèles d'apprentissage automatique intégrés recherchent des modèles pour mieux identifier les couleurs correspondantes analysées par A-Eye.

Dans le même temps, A-Eye peut également améliorer continuellement les résultats de l'estimation des couleurs en ajoutant toutes les suppositions correctes à son ensemble de données d'entraînement.

Introduction au premier auteur

Le premier auteur de cette recherche, Davoud Hejazi, est maintenant un data scientist senior chez Titan Advanced Energy Solutions, se concentrant sur la modélisation statistique, l'apprentissage automatique, le traitement du signal, le traitement d'images, le cloud computing et la visualisation de données.

En mai de cette année, il a obtenu un doctorat en physique de la Northeastern University, et sa thèse de fin d'études était « Estimation précise des couleurs sans dispersion à l'aide de matériaux 2D excitoniques en couches et d'apprentissage automatique ».

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

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!