神经网络处理器实现具学习功能的视觉系统

2016-03-07 10:13:00
全芯编辑
转贴:
电子工程专辑
946

        澳洲业者BrainChip宣布采用其棘波神经处理器(spiking neural processor)技术,开发了自主性视觉特征提取(Autonomous Visual Feature Extraction,AVFE)系统。

        BrainChip 的神经网络处理器被称为SNAP,采用信号棘波来传输数据,以及一种叫做棘波时机相关可塑性(Spike Time Dependent Plasticity,STDP)的学习方法。AVFE是一项突破,证明能从视觉数据流进行无人监督的学习,可应用于诸如自动驾驶车辆与无人机的防碰撞功能。

        根据BrainChip所提供的资料,SNAP上的AVFE每秒能处理100万个视觉事件,而且能在几秒钟学习并辨别资料流中的图形;SNAP/AVFE是以该公司向瑞士开发商Inilabs采购的Davis 动态视觉传感器(Dynamic Vision Sensor),做为串流数字视频数据的来源。

        Davis 动态视觉传感器是一种人工视网膜,拥有与SNAP相同的位置事件表现(Address Event Representation,AER)接口;并非将视频框输出,每个像素只要在对比(contrast)变化时就会输出一个或更多棘波。

        AVFE 系统架构

        执行于SNAP上并链接至一个恰当视频来源的AVFE潜在应用,包括车辆以及无人机内的防碰撞系统、异常状况检测、保全与医疗成像等等。

        该系统最初对于输入数据流内容并无所知,会藉由重复性与强度自主学习,并开始找到影像串流内的图形;影像串流可以是由视觉影像传感器(如Davis人工视网膜)所产生,或是经过恰当设计的雷达或超音波来源设备。

        AVFE已经在美国加州帕沙迪那(Pasadena)的高速公路上进行过测试,持续运作了78.5秒,SNAP棘波神经网络学习辨别车辆并开始实时计算其数量。

        以Inilabs的Davis视网膜芯片撷取的视觉影像,显示在高速公路上移动的车流

        Source:BrainChip

        BrainChip首席执行官、SNAP神经处理器的发明人Peter van der Made表示:“我们对于此大幅度进展感到非常兴奋,展现了BrainChips的神经处理器SNAP能在无人类监督的情况下,从视觉馈入撷取信息并学习。”

发表评论
评论通过审核之后才会显示。
updated: 2020-09-25 11:11:23