Разработан универсальный алгоритм машинного зрения для автопилотов Осталось научить систему учитывать еще и погоду

Технология впервые работает независимо от сезонных изменений местности, что делает визуальную навигацию более практичной. Сравнивая местность со спутниковыми изображениями высокого разрешения, автономные системы вождения способны определять свое местоположение, однако для их корректной работы требуется, чтобы ландшафт точно соответствовал изображениям в базе данных. Все, что тем или иным образом изменяет местность — например, снег или опавшие листья, нарушает работу системы.

Чтобы решить эту проблему, исследователи применили глубокое обучение. Изображения одной и той же местности в разные сезоны содержат разные объекты и напрямую сравнивать их нельзя — даже с помощью фильтра. Команда ученых разработала процесс, который использует самообучение. В то время как большинство систем компьютерного зрения полагается на людей, которые обрабатывают большие наборы данных, эта стратегия позволяет алгоритму обучаться самостоятельно: искусственный интеллект ищет закономерности на изображениях и выявляет детали, которые наверняка были бы упущены людьми.

В эксперименте исследователи попытались локализовать снимки летней листвы на фоне изображений зимней с использованием корреляционной техники. Они обнаружили, что производительность была не выше уровня вероятности, причем 50% попыток приводили к сбоям системы навигации. Внедрение нового алгоритма сработало намного лучше: 92% ситуаций были сопоставлены верно, а оставшиеся 8% определены как проблемные, чтобы позже распознать их с помощью других методов.