Los automóviles de Google reconocerán a los peatones con alta precisión

Antes de la llegada de vehículos no tripulados a la venta, no queda mucho tiempo. Google recuerda la tecnología de la visión artificial y uno de los elementos más importantes: el reconocimiento de los peatones en tiempo real.

Los investigadores de Google Research Alex Krizhevsky, Anelia Angelova y sus colegas presentaron un nuevo método para detectar peatones usando redes neuronales . El método mostró un resultado alentador: la prueba Caltech Pedestrian, que contiene una base de datos de 50,000 peatones marcados en condiciones urbanas y rurales, puede detectar a un peatón con alta precisión en el 73.8% de los casos. Este resultado es comparable con los mejores diseños alternativos.

Los expertos dicen que una de las áreas prometedoras en los últimos años ha sido el uso de aceleradores de GPU en redes neuronales para ejecutar algoritmos complejos casi en tiempo real para reconocimiento de patrones, PNL y análisis fluido de la transmisión de video.

En la reciente Conferencia de Tecnología de GPU Nvidia, se introdujeron varias de estas soluciones . El progreso tecnológico en esta área se ve mejor en la prueba del desafío de reconocimiento visual a gran escala ImageNet , que se lleva a cabo desde 2010. Desde entonces, el nivel de errores en la clasificación de imágenes por algoritmos de visión artificial ha disminuido drásticamente.



El reconocimiento de peatones es una de las tareas prácticas donde se utiliza la nueva tecnología. En el futuro, es probable que las redes neuronales con aceleración de GPU encuentren aplicaciones en cámaras de vigilancia, sistemas de control de tráfico de vehículos, etc.

Volviendo al desarrollo de Google, el reconocimiento de los peatones es una tarea muy difícil, ya que debe resolverse en condiciones ambientales en constante cambio en tiempo casi real. Los objetos alrededor del automóvil están en movimiento. Las tecnologías existentes resuelven este problema de manera relativamente exitosa. Por ejemplo, uno de los métodos muestra una precisión del 58% en la prueba de Caltech Pedestrian. Otro método llamado VeryFast proporciona grabación de video a 100 cuadros / s (en comparación, Google dispara a 15 cuadros / s), pero allí la precisión es menor. Existen métodos con mayor precisión, pero funcionan mucho más lentamente, reduciendo la velocidad a 195 veces.

Google Research se ha fijado el objetivo de mejorar la precisión del reconocimiento sin sacrificar la velocidad. A 15 cuadros / s, mostraron un aumento dramático en la precisión al 73.8% .

La frase "26,2% de índice de fallas promedio" de un artículo científico no debe ser engañosa: no estamos hablando del hecho de que el automóvil perdió a un peatón y no ganó puntos como en Carmageddon. Por el contrario, la frase significa que este algoritmo "falló" y no reconoció a la persona que frenaba frente a él.

En Google Research, el sistema de visión artificial se lanzó en el acelerador de gráficos GPU Nvidia K20 Tesla de la generación anterior. Ahora se lanzaron nuevas versiones de K40 y K80, que se utilizan en algunas supercomputadoras de la clasificación Top500.

El equipo de Google Research tiene la intención de mejorar el resultado al aumentar la profundidad de la cascada de redes neuronales y optimizar la relación de rendimiento y precisión.

De una forma u otra, pero con el advenimiento de los automóviles robóticos en las calles, es mejor vestirse más brillante que camuflado para que la visión artificial del automóvil no lo confunda con el fondo. Por otro lado, estos consejos se pueden dar incluso ahora, cuando los automóviles a menudo son conducidos por conductores medio ciegos, medio borrachos y distraídos.

Source: https://habr.com/ru/post/es382879/