经销网络

您所在位置:首页 > 经销网络 > 正文

深度学习技术在黑暗中揭示“隐形”物体

文章作者:优博时时彩平台开户发布时间:2019-12-12浏览次数:1188

即使在良好的光线条件下,小玻璃中的小折痕或酒杯中的隐形眼镜也难以阅读。在几乎完全黑暗的情况下,这种透明特征或物体图像几乎不可能被破译。但现在,麻省理工学院的工程师开发出一种技术,可以在黑暗中揭示这些“看不见的”物体。

在今天发表在物理评论信中的一项研究中,研究人员从这些物体的图像中重建透明物体,这些物体是在几乎黑暗的条件下拍摄的。他们使用“深度神经网络”来实现这一目标,这是一种机器学习技术,涉及训练计算机将某些输入与特定输出相关联 - 在这种情况下,透明物体的黑暗,颗粒状图像和物体本身。

该团队训练了一台计算机,根据这些图案极其颗粒状的图像识别10,000多个透明玻璃蚀刻。这些图像是在非常低的光照条件下拍摄的,每个像素大约有一个光子 - 远远低于相机在黑暗密封房间记录的光。然后,他们向计算机展示了一个未包含在训练数据中的新粒状图像,并发现它学会了重建黑暗,模糊,透明的物体。

结果表明,深度神经网络可以用于照亮在很少光线下拍摄的图像中的透明特征,例如生物组织和细胞。

麻省理工学院机械工程系教授乔治巴巴斯塔斯说:“在实验室里,如果你用光线轰击生物细胞,他们就会烧掉它们,什么都不能留下来。” “当谈到X射线成像时如果你让患者暴露于X射线,就会增加他们患上癌症的风险。我们在这里做的是你可以获得相同的图像质量,但患者的暴露程度较低,生物学当你想要对它们进行取样时,你可以减少对生物标本的损害。“

Barbastathis的论文共同作者是主要作者Alexandre Goy,Kwabena Arthur和Shuai Li。

深刻的黑暗学习

神经网络是一种计算方案,旨在松散地模拟大脑神经元如何协同工作以处理复杂的数据输入。神经网络通过执行数学运算的连续“层”来工作。每个计算层基于初始输入计算给定输出的概率。例如,给定狗的图像,神经网络可以识别首先回忆动物的特征,然后更具体地识别狗,并最终识别比格犬。 “深度”神经网络在输入和输出之间包含更多详细的计算层。

研究人员可以通过为他们提供数百或数千个图像,而不仅仅是狗,其他动物,物体和人,以及每张图像的正确标签,来更快,更“训练”这些网络。准确地执行计算。有了足够的数据来学习,神经网络应该能够正确地对新图像进行分类。

深度神经网络已广泛用于计算机视觉和图像识别领域。最近,Barbastathis等人。开发了一个神经网络来重建用大量光线拍摄的图像中的透明物体。现在,他的团队是第一个在实验中使用深度神经网络来揭示黑暗中拍摄的不可见物体的人。

“不可见的物体可以以不同的方式显示,但通常需要你使用足够的光线,”Barbastathis说。 “我们现在正在做的是想象在黑暗中看不见的物体。所以它就像两个困难的组合。但是,我们仍然可以做同样的启示。”

光法则

该团队咨询了10,000个集成电路(IC)的数据库,每个集成电路都有不同的复杂水平和垂直条纹蚀刻。

“当我们用肉眼观察它时,我们看不到太多 - 它们看起来像一个透明的玻璃,”Goy说。 “但实际上非常精细和浅的结构仍然会对光产生影响。”

研究人员使用“相空间光调制器”代替将10,000个图案中的每一个蚀刻到尽可能多的幻灯片上,在单个幻灯片上显示图案,再现并实际蚀刻滑块。相同的光学效果。会的。

研究人员建立了一个实验,他们将相机对准一个装有光调制器的小铝框架。然后,他们使用该设备从数据库中重现10,000个IC模式中的每一个。研究人员覆盖了整个实验,因此它受到光线保护,然后使用光调制器快速旋转每个模式,类似于幻灯片旋转木马。他们在几乎完全黑暗的环境中拍摄每个透明图案的图像,产生“盐和胡椒”图像,这些图像只是电视屏幕上的静态图像。

该团队开发了一个深度神经网络来识别暗图像中的透明图案,然后为网络提供相机拍摄的10,000张粒状照片,以及相应的图案或研究人员称之为“基本事实”的图像。

“你告诉电脑,'如果我把它放进去,你会把它拿出来,'”戈伊说。 “你这样做了10,000次。经过培训,你希望如果你给它一个新的输入,它可以告诉你它看到了什么。”

“它比婴儿更糟糕,”Barbastathis戏弄道。 “通常宝宝学得更快。”

研究人员将他们的相机设置为略微失焦。虽然它看似违反直觉,但实际上它使透明物体成为焦点。或者,更准确地说,散焦提供了一些证据,证明透明物体可以以检测到的光中的波纹形式存在。这个缺陷是一个视觉符号,神经网络可以检测到这是一个物体在图像颗粒感的某个地方的第一个标志。

但散焦也会造成模糊,这会混淆神经网络的计算。为了解决这个问题,研究人员在神经网络中添加了一个物理定律,描述了光的行为以及当相机散焦时它如何产生模糊。

“我们所知道的是样品和相机之间光传播的物理定律,”Barbastathis说。 “最好将这些知识包含在模型中,因此神经网络不会浪费时间学习我们已经知道的东西。”

更清晰的图像

在训练了10,000个不同IC模式图像的神经网络后,该团队创建了一个全新的模型,该模型未包含在原始训练集中。当他们在黑暗中拍摄图案并将图像输入神经网络时,他们比较了神经网络重建的模式,无论网络中是否嵌入了物理定律。

他们发现这两种方法都能很好地重建原始透明图案,但“物理知识重建”产生了更清晰,更准确的图像。更重要的是,这种重建的图案来自于在接近完全黑暗中拍摄的图像,其比相同图案的物理知识更清晰地重建,并且在光中拍摄的图像更亮1000倍以上。

该团队用一个全新的数据集重复他们的实验,这些数据集包含10,000多个常见和不断变化的物体的图像,包括人物,地点和动物。经过训练,研究人员提供了一个全新的神经网络图像,在黑暗中拍摄,透明地蚀刻场景,并在码头停靠。他们再次发现,物理知识重建比没有嵌入物理定律的副本产生更准确的原始图像。

“我们已经证明,深度学习可以在黑暗中揭示隐形物体,”戈伊说。 “这一结果对医学成像具有实际意义,可以减少有害辐射和天文成像的暴露。”

这项研究得到了高级情报研究项目和新加坡国家研究基金会的部分支持。

网站地图 新宝gg登录 优博时时彩平台代理 新宝gg注册平台
菲律宾申博斗牛 太阳城亚洲 申博真人番摊娱乐 澳门太阳城集团官网
中原彩票网广东11选5 9188彩票网加拿大28 727msC t6娱乐线路检测
优博平台管理 优博时时彩平台代理 优博时时彩代理 新宝gg登陆
优博平台管理 新宝gg现金网 优博时时彩开户 优博时时彩
44sbsg.com DC815.COM 157PT.COM 157psb.com 758XTD.COM
989XTD.COM 578XTD.COM 967SUN.COM 177TGP.COM 528XTD.COM
918psb.com 587sunbet.com XSB596.COM 855TGP.COM 555xsb.com
219SUN.COM 978jbs.com 99sbsg.com 1113885.COM rp138.com