使用图像识别和深度学习的自动驾驶 使用图像识别和深度学习的自动驾驶 使用图像识别和深度学习的自动驾驶 使用图像识别和深度学习的自动驾驶 AI AI AI AI 机器人的注意事项 机器人的注意事项 机器人的注意事项
通过安装对训练数据没有反应但对未知数据有反应的冗余神经元,系统可以通过观察其状态来判断数据是已知还是未知,并对已知数据进行分类。
“通过放松最优传输和自相似性实现风格迁移” Proc.IEEE Conf.计算机视觉和模式识别,第 10051-10060 页,2019
作为本次研发项目的共同研究员,名古屋大学信息学研究生院的森健作教授目前已开发并商业化了一种利用人工智能(AI)的结肠镜检查诊断支持设备(EndoBRAIN、EndoBRAIN-EYE)。 另一方面,膀胱镜诊断辅助装置在日本国内和国外都尚未实现商业化。我们获得了AMED转化研究战略促进计划(庆应义塾大学)Seeds H.A.的资助,开发了膀胱镜诊断支持的AI程序(专利申请号2021-178275)。在性能评估测试中,对三种疾病(HIC、BPS、BT包括CIS)的诊断准确率明显高于泌尿科医生(AI:88.5%,泌尿科医生:72.0%,见下图)。
然而,对于人或黑色和绿色垃圾袋没有任何反应。因此,我们决定进行一项研究,以提高夜间检测精度。 为了提高检测精度,我们决定使作为检测目标的图像更清晰。为了提高可视性,可以对设备本身进行改进或更换,例如安装图像锐化装置或引入可以夜间监控的红外摄像机。但缺点是每台初始投资为数十万日元至数百万日元。另一方面,有一种方法使用图像处理技术来锐化现有闭路电视摄像机拍摄的图像。该方法的模型构建成本为数万日元至数十万日元,通过将其纳入使用 CNN 模型的检测工作的第一阶段,有望实现图像锐化并提高检测精度。相机图像锐化模型。 伽玛 (γ) 校正是锐化夜间摄像机图像的图像处理技术之一。该技术利用伽马值(表示图像灰度响应特性的数值)将图像的亮度和灰度校正为最适合人类观看的值,也用于再现亮度和暗度。我们构建了一个实现该技术的图像锐化模型,锐化闭路电视摄像机图像和检测 CNN 模型的结果如图 4-8 所示。