美国研发神经网络精确探测低质量物体

技术动态发布于：2020-09-11 17:44

　　据外媒报导，为了自动从科学论文中获取重要数据，美国国家标准与技能研讨所(NIST)的计算机科学家研制了一种方法，能够准确地检测图画数据中密布、低质量的小几何物体，如三角形。NIST的该款模型选用神经网络法来探测形式，也可用于现代生活的多种使用中。

　　NIST的神经网络模型可在一组确定的测验图画中捕获97%的方针物体，将物体的中心定坐落人工选择的几个像素内。

　　NIST计算机科学家Adele Peskin解释表明：“该项目的目的是康复期刊文章中丢掉的数据。可是对小型、密布型物体进行探测的研讨还有很多其他使用。目前，图画剖析、自动驾驶汽车、机器检查等范畴都会使用物体探测技能，因为此种小型、密布型物体特别难以定位和分隔开。”

　　研讨人员从20世纪初期的期刊文章中获取数据，通常结果会仅以图形形式呈现，而且有些是手艺制作的，扫描或复印会让图形分辨率变差。研讨人员希望提取数据点的位置，以康复原始数据，以便进行进一步剖析。到目前为止，此类数据都是人工提取的。

　　NIST研讨人员选用了最初由德国研讨人员研制，用于剖析生物医学图画的网络架构U-Net，首先将图画的尺度紧缩，削减空间信息，然后添加特征和上下文信息层，以获取准确、高分辨率的结果。

　　该网络的较佳功能可让其定位方针中心的准确率达97%，使研讨人员足以使用神经网络从更新版的期刊论文中康复数据。

　　尽管目前NIST的研讨人员没有计划进行后续研讨，可是表明，该神经网络绝对能够用于处理其他图画剖析问题。