Nowy algorytm Panasonica zapewni bardziej wydajną i dokładną detekcja obiektów

Autor: Redakcja Fotopolis

9 Styczeń 2024

Artykuł na: 4-5 minut

Panasonic ogłosił, że opracował wydajniejszy sposób uczenia maszynowego. Nowy algorytm klasyfikacji obiektów na zdjęciach, ma być dokładniejszy niż metody stosowane obecnie.

Wewnętrzna grupa badawcza w firmie Panasonic opracowała nowy algorytm sztucznej inteligencji do dokładniejszego rozpoznawania obiektów. W ramach badań REAL-AI udało się stworzyć kod do klasyfikacji, który radzi sobie z multimodalnym charakterem danych pochodzących z tematu i warunków fotografowania. Eksperymenty wykazały, że dokładność rozpoznawania nową metodą przewyższa dokładność metod konwencjonalnych.

Sony FX30 - RATY 20x0%

9 849 zł

Nikon Z f

9 849 zł

Canon EOS R8 - RATY 20x0%

6 199 zł

Sigma 50 mm f/1.2 L-Mount - RATY 20x0%

5 990 zł

Tamron 35-150 mm Nikon Z - RATY 20x0%

7 585 zł

Nowy algorytm, lepsza detekcja

Sztuczna inteligencja rozpoznaje obiekty, klasyfikując je do kategorii na podstawie ich wyglądu. Istnieje jednak wiele przypadków, w których nawet obiekty należące do tej samej kategorii, takiej jak "pies", są klasyfikowane w podkategoriach, np. "rasa psa", mających bardzo różny wygląd. Na dodatek, istnieje wiele sytuacji, w których ten sam obiekt może wyglądać inaczej z powodu różnic w warunkach fotografowania, takich jak orientacja, pogoda, oświetlenie lub tło.

Jednak przetwarzanie tak dużej liczby różnorodnych obrazów w celu znajdowania wspólnych cech w oczywisty sposób stało się podejściem ograniczającym. W szczególności, gdy w obrębie tej samej kategorii znajdują się podkategorie o różnych tendencjach w wyglądzie (rozkład multimodalny), sztuczna inteligencja często ma problemy z prawidłowym rozpoznaniem takich obiektów jako należących do tej samej kategorii, co skutkuje spadkiem dokładności rozpoznawania.

Dlatego grupa naukowców z Panasonica skupiła się na wykorzystaniu różnic w wyglądzie i opracowała nowy algorytm klasyfikacji, który zamiast bazować na jednowymiarowym wektorze danych, wychwytuje różnorodność obrazów za pomocą dwuwymiarowej macierzy ortonormalnej, w której każdy element może reprezentować odmianę obrazu (różne kolory tła, orientacja obiektu itp.).

W rezultacie, nawet w przypadku kategorii takich jak „autobus” i „tramwaj”, które wyglądają podobnie i trudno je sklasyfikować jako osobne, nowy algorytm był w stanie znaleźć obrazy należące do tej samej kategorii bez pomieszania.

Implementacja szybciej niż myślisz

Jak zapewniają naukowcy nowa metoda umożliwia dokładniejsze rozpoznawanie obrazu w porównaniu do konwencjonalnych algorytmów SI. W dodatku ze względu na prostotę nowego algorytmu, zapotrzebowanie na pamięć operacyjną wzrasta jedynie o 0.1%. To bardzo istotny czynnik, bo dzięki temu implementacja w aparatach czy innych urządzeniach mogłaby odbywać się w ramach obecnie stosowanych modułów obliczeniowych. W rezultacie jest szansa, że nowy algorytm pojawi się w aparatach już w niedalekiej przyszłości.

Publikacja naukowa na temat nowego algorytmu została udostępniona na stronie: openaccess.thecvf.com