Pra-pemrosesan optik membuat computer vision lebih kuat dan hemat energi
Spotlight

Pra-pemrosesan optik membuat computer vision lebih kuat dan hemat energi


Gambar dari makalah penelitian menunjukkan bagaimana pusaran optik dapat memproses gambar sebelumnya untuk membantu jaringan saraf merekonstruksinya lebih cepat dan lebih akurat. Kredit: Muminov & Vuong, 2020

Analisis gambar ada di mana-mana dalam teknologi kontemporer: dari diagnostik medis hingga kendaraan otonom hingga pengenalan wajah. Komputer yang menggunakan jaringan saraf konvolusional pembelajaran mendalam — lapisan algoritme yang memproses gambar — telah merevolusi visi komputer.

Tetapi jaringan saraf konvolusional, atau CNN, mengklasifikasikan gambar dengan belajar dari data yang dilatih sebelumnya, sering kali menghafal atau mengembangkan stereotip. Mereka juga rentan terhadap serangan permusuhan yang datang dalam bentuk distorsi kecil yang hampir tidak terlihat pada gambar yang mengarah pada keputusan yang buruk. Kelemahan ini membatasi kegunaan CNN. Selain itu, ada kesadaran yang berkembang tentang jejak karbon selangit yang terkait dengan algoritme pembelajaran mendalam seperti CNN.

Salah satu cara untuk meningkatkan efisiensi energi dan keandalan algoritme pemrosesan gambar melibatkan penggabungan visi komputer konvensional dengan preprosesor optik. Sistem hybrid semacam itu bekerja dengan perangkat keras elektronik minimal. Karena cahaya menyelesaikan fungsi matematis tanpa membuang energi dalam tahap pra-pemrosesan, penghematan waktu dan energi yang signifikan dapat dicapai dengan sistem visi komputer hibrid. Pendekatan yang muncul ini dapat mengatasi kekurangan pembelajaran mendalam dan memanfaatkan keuntungan dari optik dan elektronik.

Dalam makalah terbaru yang diterbitkan di OPTIK, Profesor teknik mesin UC Riverside Luat Vuong dan mahasiswa doktoral Baurzhan Muminov mendemonstrasikan kelangsungan hidup sistem penglihatan komputer hibrida melalui penerapan pusaran optik, gelombang cahaya yang berputar-putar dengan titik pusat gelap. Pusaran dapat disamakan dengan pusaran air hidrodinamik yang dibuat saat cahaya bergerak di sekitar tepi dan sudut.

Pengetahuan tentang pusaran dapat diperluas untuk memahami pola gelombang yang berubah-ubah. Saat dicetak dengan vortisitas, data gambar optik bergerak dengan cara yang menyoroti dan mencampur berbagai bagian gambar optik. Muminov dan Vuong menunjukkan bahwa pemrosesan gambar pusaran dengan jaringan saraf “otak kecil” yang dangkal, yang hanya memiliki beberapa lapisan algoritme untuk dijalankan, dapat berfungsi sebagai pengganti CNN.

“Keuntungan unik dari pusaran optik terletak pada fungsi matematisnya yang meningkatkan tepi,” kata Vuong. “Dalam makalah ini, kami menunjukkan bahwa encoder pusaran optik menghasilkan data intensitas objek sedemikian rupa sehingga jaringan saraf otak kecil dapat dengan cepat merekonstruksi gambar asli dari pola yang diproses secara optik.”

Pemrosesan awal optik meratakan konsumsi daya penghitungan gambar, sedangkan pensinyalan digital dalam elektronik mengidentifikasi korelasi, memberikan pengoptimalan, dan dengan cepat menghitung ambang pengambilan keputusan yang andal. Dengan visi komputer hibrid, optik menawarkan keunggulan kecepatan dan komputasi daya rendah serta pengurangan biaya waktu CNN sebesar dua kali lipat. Melalui kompresi gambar, dimungkinkan untuk secara signifikan mengurangi perangkat keras back-end elektronik — baik dalam hal memori dan kompleksitas komputasi.

“Demonstrasi kami dengan vortex encoder menunjukkan bahwa preprocessing optik dapat meniadakan kebutuhan CNN, lebih kuat daripada CNN, dan memiliki kapasitas untuk menggeneralisasi solusi untuk masalah terbalik, tidak seperti CNN,” kata Vuong. “Sebagai contoh, kami menunjukkan bahwa, ketika jaringan saraf hibrida mempelajari bentuk angka tulisan tangan, ia kemudian dapat merekonstruksi karakter Arab atau Jepang yang belum pernah dilihat sebelumnya.”

Kertas Vuong dan Muminov juga menunjukkan bahwa pengurangan gambar menjadi lebih sedikit, piksel intensitas tinggi mampu memproses gambar dengan cahaya sangat rendah. Penelitian ini menawarkan wawasan baru untuk peran fotonik dalam membangun jaringan saraf hibrida otak kecil yang dapat digeneralisasi dan mengembangkan perangkat keras waktu nyata untuk analitik data besar.


Jaringan saraf konvolusional dapat diakali dengan ilusi visual yang sama dengan manusia


Informasi lebih lanjut:
Baurzhan Muminov dkk. Preprocessing optik Fourier sebagai pengganti pembelajaran mendalam, OPTIK (2020). DOI: 10.1364 / OPTICA.397707

Disediakan oleh University of California – Riverside

Kutipan: Pra-pemrosesan optik membuat visi komputer lebih kuat dan hemat energi (2020, 14 Desember) diakses 14 Desember 2020 dari https://techxplore.com/news/2020-12-optical-pre-processing-vision-robust-energy. html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Pengeluaran SGP Hari Ini