最近，在西雅圖舉辦的IEEE國(guó)際機(jī)器人與自動(dòng)化大會(huì)(ICRA)上，與會(huì)者們見(jiàn)到一種新的安全設(shè)備，該設(shè)備十分難得一見(jiàn)，目前正由科技巨頭谷歌研發(fā)。Anelia Angelova是谷歌的一名高級(jí)研究員，從事計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)的研發(fā)工作。她展示了一種新的行人檢測(cè)系統(tǒng)，該系統(tǒng)可單獨(dú)處理視頻影像。

對(duì)于任何無(wú)人駕駛汽車來(lái)說(shuō)，能識(shí)別，追蹤和躲避行人是一項(xiàng)十分重要的功能。谷歌的車輛上就裝滿了激光雷達(dá)，無(wú)線電探測(cè)器和攝像機(jī)，以確保他們能夠確定在數(shù)百米范圍內(nèi)的行人情況。

但一套感應(yīng)器十分昂貴，光車頂上的一個(gè)旋轉(zhuǎn)激光雷達(dá)裝置就要花費(fèi)將近10000美元(如果是多功能裝置則花費(fèi)得更多)。雷鋒網(wǎng)此前也專門分解過(guò)無(wú)人駕駛汽車的成本。如果自動(dòng)汽車僅使用廉價(jià)的攝像機(jī)就能定位行人的話，這將大大降低成本，并且將有希望很快迎來(lái)一個(gè)機(jī)器自由操控汽車的時(shí)代。但攝像機(jī)有他們自己的問(wèn)題。Angelova說(shuō)到，“相較于雷達(dá)裝置，視覺(jué)信息給你一個(gè)更廣闊的視野，但處理速度卻相對(duì)較慢。”

至少它曾經(jīng)是這樣的。最好的視頻分析系統(tǒng)使用的是深層神經(jīng)網(wǎng)絡(luò)，這種機(jī)器學(xué)習(xí)算法可以被訓(xùn)練，從而能對(duì)圖像信息(和其他類型的數(shù)據(jù))進(jìn)行十分準(zhǔn)確的分類。深層神經(jīng)網(wǎng)絡(luò)依靠多個(gè)處理層，這些處理層位于輸入層和輸出層之間。為了進(jìn)行圖像識(shí)別，輸入層會(huì)學(xué)習(xí)圖像的像素特征，下一層則要學(xué)習(xí)這些功能的組合，并通過(guò)中間層，逐漸形成更加精密復(fù)雜的關(guān)系。輸出層則負(fù)責(zé)推測(cè)系統(tǒng)在關(guān)注些什么。

現(xiàn)代深層網(wǎng)絡(luò)可以在諸如人臉識(shí)別等任務(wù)方面勝人一籌，準(zhǔn)確率超過(guò)99.5%。但Angelova解釋道，傳統(tǒng)的用于行人檢測(cè)的深層網(wǎng)絡(luò)速度很慢，它將每個(gè)街道圖像劃分為100000個(gè)甚至更多的小碎片，然后反過(guò)來(lái)對(duì)每個(gè)碎片進(jìn)行分析。這可能需要幾秒鐘甚至幾分鐘每幀，使他們無(wú)法用于城市街道的巡視。使用這種網(wǎng)絡(luò)的汽車無(wú)法對(duì)行人進(jìn)行及時(shí)的探測(cè)，可能在它發(fā)現(xiàn)行人的時(shí)候就已經(jīng)超了過(guò)去。

Angelova的新型高速行人檢測(cè)器分為三個(gè)單獨(dú)的階段。

-第一階段是一種深層網(wǎng)絡(luò)，相較于之前的成千上萬(wàn)的碎片而言，它只需將圖像信息分割成幾十塊碎片，可在多個(gè)地點(diǎn)同時(shí)進(jìn)行多項(xiàng)檢測(cè)，從而對(duì)行人進(jìn)行識(shí)別。

-第二個(gè)階段則是另一種網(wǎng)絡(luò)，它能對(duì)識(shí)別結(jié)果進(jìn)行改良。

-第三階段則是一種傳統(tǒng)的深層網(wǎng)絡(luò)，它將最終識(shí)別結(jié)果，即是否發(fā)現(xiàn)行人，進(jìn)行傳送。

由于這種緩慢準(zhǔn)確的網(wǎng)絡(luò)只對(duì)潛在圖像的一小部分進(jìn)行分析，所以整個(gè)處理過(guò)程就會(huì)進(jìn)行得更快，大約要比之前的網(wǎng)絡(luò)快60到100倍。Angelova說(shuō)道，這些圖形處理器的運(yùn)行和谷歌的無(wú)人駕駛汽車十分類似，會(huì)對(duì)大約一天以內(nèi)的街道圖像進(jìn)行反饋。然后，它可以在大約0.25秒左右的時(shí)間準(zhǔn)確地識(shí)別行人。研究人員使用已知的行人圖像數(shù)據(jù)庫(kù)，而不是使用谷歌汽車的視頻，因?yàn)檫@樣他們可以將該結(jié)果同之前的網(wǎng)絡(luò)進(jìn)行比較。

Angelova承認(rèn)：“事實(shí)上，目前還達(dá)不到能用于實(shí)際的0.07秒。”為了能安全采取行動(dòng)，無(wú)人駕駛汽車需要在瞬間確認(rèn)是否面對(duì)行人。“但這意味著倘若其他感應(yīng)器失靈，新系統(tǒng)能做出及時(shí)的補(bǔ)充處理。”

隨著更強(qiáng)大的處理器的出現(xiàn)以及神經(jīng)網(wǎng)絡(luò)容量的增加，Angelova預(yù)計(jì)該功能的效果將會(huì)顯著提升。她說(shuō)：“從更加廣闊的視角來(lái)看待網(wǎng)絡(luò)，你將能感受到更加快速的發(fā)展。”等到大家都能擁有無(wú)人駕駛汽車時(shí)，其獨(dú)特的旋轉(zhuǎn)激光雷達(dá)可能已經(jīng)完全消失了。