Autonomiem transportlīdzekļiem jāspēj ātri un precīzi identificēt objektus, ar kuriem tie saskaras, piemēram, piegādes kravas automašīnas, kas novietotas ap stūriem, vai velosipēdisti, kas tuvojas krustojumiem. Lai to panāktu, autonomās automašīnas var izmantot jaudīgu datorredzes modeli, lai klasificētu katru pikseļu augstas izšķirtspējas sižeta attēlos, nodrošinot, ka netiek aizmirsti objekti, kas varētu būt aizklāti zemas kvalitātes attēlos. Tomēr šis uzdevums, kas pazīstams kā semantiskā segmentācija, ir ļoti sarežģīts, un tas prasa plašu aprēķinu, jo īpaši ar augstas izšķirtspējas attēliem.
Saskaņā ar starptautisko plašsaziņas līdzekļu ziņojumiem, Masačūsetsas Tehnoloģiju institūta (MIT), MIT-IBM Watson AI Lab un citu institūciju pētnieki ir sadarbojušies, lai izstrādātu efektīvāku datorredzes modeli, ievērojami samazinot iepriekšminētā uzdevuma skaitļošanas sarežģītību. Šis modelis var veikt reāllaika, precīzu semantisko segmentāciju ierīcēs ar ierobežotiem aparatūras resursiem, piemēram, transportlīdzekļu borta datoriem, ļaujot autonomām automašīnām pieņemt tūlītējus lēmumus.
Pašreizējie jaunākie semantiskās segmentācijas modeļi var tieši uzzināt mijiedarbību starp katru attēla pikseļu pāri, kas nozīmē, ka to aprēķins palielinās kvadrātiski, palielinoties attēla izšķirtspējai. Lai gan šādi modeļi ir ļoti precīzi, to apstrādes ātrums ir pārāk lēns, lai reāllaikā apstrādātu augstas izšķirtspējas attēlus malu ierīcēs, piemēram, sensoros vai viedtālruņos.
MIT pētnieki izstrādāja jaunu semantiskās segmentācijas modeļa komponentu, kas lepojas ar iespējām, kas ir līdzvērtīgas vismodernākajiem šāda veida modeļiem, bet panāk tikai lineāru skaitļošanas sarežģītību un atvieglo efektīvas aparatūras darbības.
Pētnieku darba rezultāts ir jauna modeļu sērija augstas izšķirtspējas datorredzei. Izvietojot mobilajās ierīcēs, šie modeļi darbojas 9 reizes ātrāk nekā to priekšgājēji. Svarīgi, ka salīdzinājumā ar alternatīviem risinājumiem šis jaunais modelis sasniedz līdzīgu, ja ne labāku, precizitāti.
Šī tehnoloģija var ne tikai palīdzēt autonomām automašīnām pieņemt lēmumus reāllaikā, bet arī uzlabot citu augstas izšķirtspējas datorredzes uzdevumu, piemēram, medicīniskā attēla segmentācijas, efektivitāti.
