تریتا نیوز

منو اصلی

  • صفحه اصلی
  • اقتصاد
  • واریته
  • سلامت
  • درباره ما

logo

  • صفحه اصلی
  • اقتصاد
  • واریته
  • سلامت
  • درباره ما
  • با حضور در کنفرانس بین‌المللی معدنکاری چین ۲۰۲۵؛ مدیرعامل شرکت ملی مس پروژه‌های توسعه‌ای شرکت را تشریح کرد

  • آیین اختتامیه سومین دوره مسابقات فرهنگی ورزشی بانوان ۲۶ سال و بیشتر شرکت صنایع پتروشیمی خلیج فارس

  • بانک صادرات ایران با روش‌های نوین تأمین مالی، گره تولید را باز می‌کند

  • آغاز فصلی تازه در بانکداری ایران با الحاق بانک آینده به بانک ملی ایران

  • بانک آینده با عاملیت بانک ملی ایران تعیین تکلیف شد

  • پیام مدیرعامل گروه مپنا به مناسبت سالروز حادثه تلخ واحد ۲۵مگاواتی نیروگاه پرند

  • اعتماد عمومی به قرض‌الحسنه، سرمایه‌ای ارزشمند برای کشور است

  • سلامت خود را در دهه چهل زندگی مدیریت کنید!

  • چرا سهام نفت سپاهان ظرف یک ماه بیش از ۲۷ درصد سود داد؟

  • تندیس صادرکننده نمونه کشوری به پتروشیمی پارس اعطا شد

واریته
صفحه اصلی›واریته›طراحی ماشین‌هایی با توانایی دید ماشینی در MIT برای شناسایی مستقل اشیاء

طراحی ماشین‌هایی با توانایی دید ماشینی در MIT برای شناسایی مستقل اشیاء

توسط اپراتور خبر
۱۳۹۷-۰۶-۲۱

محققان MIT موفق به تولید سیستم دید ماشینی شده‌اند که می‌تواند اشیاء را شناسایی کرده و با آن‌ها تعامل داشته باشد.

شبکه‌ی متراکم اشیاء (Dense Object Nets) که به‌اختصار DON نامیده می‌شود، روشی نوین در زمینه‌ی دید ماشینی است. شبکه‌ی متراکم اشیاء در آزمایشگاه علوم رایانه و هوش مصنوعی انستیتوی فناوری ماساچوست (MIT) توسعه داده شده است. این شبکه، نقشه‌ای بصری را تشکیل می‌دهد که در عمل مجموعه‌ای از نقاط بصری است و به‌صورت چندین مختصات هماهنگ شده‌اند.

این سیستم، چندین مختصات منفرد را با یکدیگر هماهنگ می‌کند تا مجموعه‌ای بزرگتر از مختصات‌ها را ایجاد کند. چنین کاری شبیه به چسباندن چندین تصویر به‌یکدیگر برای ایجاد یک تصویر پانوراما است. این کار به شبکه‌ی متراکم اشیاء اجازه می‌دهد تا درک بهتر و آگاهانه‌تری از شکلِ اشیاء و کارکرد آن‌ها در محیط اطراف داشته باشد.

دید ماشینی / Machine Vision

لوکاس مانوئلی، دانشجوی دکترا و نویسنده‌ی مقاله‌ی مربوط به این پروژه می‌گوید:

در بالاترین و ساده‌ترین سطح، سیستم‌های دید رایانه‌ای صرفا اشیاء را شناسایی می‌کنند؛ اما در سطحی ثانویه و ظریف‌تر، دید رایانه‌ای برچسبی را به هر پیکسل الحاق می‌کند. بنابراین [رایانه] می‌تواند مشخص کند که تمام پیکسل‌ها بخشی از یک انسان، جاده یا پیاده‌رو هستند. همین دو سطح چیزی است که توسط بسیاری از سیستم‌های رانندگی خودکار مورد استفاده قرار می‌گیرد.

اما اگر واقعا در تلاش هستید تا به‌شکلی خاص (همچون برداشتن یک شئ به شکلی خاص یا برداشتن یک ماگ) با دید ماشینی تعامل داشته باشید، در این حالت داشتن چهارچوبی برای نشانه‌گذاری اشیاء یا ارتباط دادن پیکسل‌ها به ماگ کافی نخواهد بود. کار سیستم ما این است که به‌سطح ظریف‌تری از جرئیات اشیاء وارد می‌شود. اطلاعات [مورد استفاده در این سیستم] از آن دسته اطلاعاتی هستند که برای انجام کنترل‌های پیشرفته‌تر موردنیاز هستند.

شبکه‌ی متراکم اشیاء به ربات‌ها اجازه می‌دهد تا یک فنجان قهوه را پیدا کنند؛ خود را در جهت مناسب برای برداشتن فنجان قرار دهند و نسبت به این مسئله آگاه باشند که برای جلوگیری از ریخته‌شدن محتویات فنجان، قسمت پایینی آن باید همچنان رو به پایین بماند. علاوه‌بر این، این شبکه به ربات‌ها اجازه می‌دهد تا شئ خاصی را از میان مجموعه‌ای از اشیاء انتخاب کنند.

مانوئلی در مقاله‌ی خود می‌نویسد:

بسیاری از روش‌های کنترل [ربات‌ها] نمی‌توانند از زوایای مختلف بخش‌های خاصی از یک شئ را شناسایی کنند. برای مثال، الگوریتم‌های فعلی نمی‌توانند از دسته‌ی فنجان برای گرفتن‌ آن استفاده کنند؛ به‌ویژه اگر فنجان در جهت خاصی همچون معکوس یا به پهلو قرار گرفته باشد.

در این سیستم از حسگرهایی استفاده می‌شود که علاوه‌بر طیف نوری قرمز، سبز و آبی، عمق را نیز اندازه‌گیری می‌کنند. نکته‌ی جذاب‌تر این است که این سیستم می‌تواند به آموزش خود بپردازد. برای آموزش هوش مصنوعی در شبکه‌ی متراکم اشیاء نیازی نیست تا سیستم توسط صدها‌هزار تصویر از یک شئ تغذیه شود.

دید ماشینی / Machine Vision

اگر می‌خواهید این سیستم یک چکمه‌ی قهوه‌ای رنگ را شناسایی کند، کافی است برای مدتی چکمه‌ی قهوه‌ای و ربات را در یک اتاق قرار دهید. این سیستم به‌سادگی محل چکمه‌ی قهوه‌ای را مشخص کرده و تصاویرِ مرجع آن را ثبت می‌کند؛ از این تصاویر هم برای تولید مختصات مرجع استفاده می‌شود. پس از آن، یادگیری به‌صورت خودکار انجام می‌شود؛ علاوه‌بر این، فرایند یادگیری کمتر از یک ساعت زمان نیاز دارد.

مانوئلی می‌نویسد:

ربات‌های موجود در کارخانه‌ها برای اینکه به‌شکلی قابل‌اطمینان کار کنند، نیازمند اجزای تغذیه‌کننده‌ی پیچیده‌ای هستند که برای تغذیه‌ی قطعات مورد استفاده قرار می‌گیرند؛ اما جای چنین سیستمی که بتواند موقعیت فضایی اشیاء را تشخیص دهد، از آن‌ها تصویر تهیه کند و آن‌ها را برداشته و تنظیم کند در کارخانه‌ها خالی است.

البته این فناوری در مراحل اولیه‌ی توسعه است و نمی‌توانیم به این زودی‌ها منتظر ربات‌های خدمت‌کاری باشیم که می‌توانند ماشین‌ظرفشویی را برایمان خالی کنند. اما مانوئلی امیدوار است که با بهبود بینایی و توانایی شناسایی مکانی این ربات‌ها، در نهایت آن‌ها به عضوی از خانه‌ها و انبارها تبدیل شوند.

لینک کوتاه مطلب: https://tritanews.ir/?p=69605

مطالب مرتبط درباره نویسنده

  • واریته

    پتنت جدید سامسونگ، طراحی احتمالی گلکسی S11‌ را نشان می‌دهد

    ۱۳۹۸-۰۴-۲۴
    توسط اپراتور خبر
  • واریته

    از طلاق تا ترک سیگار؛ ۱۱ موردی که باور نمی کنید مسری باشند

    ۱۳۹۷-۰۴-۲۴
    توسط اپراتور خبر
  • واریته

    مد گردی با پرنسس ویکتوریا: شاهدخت مد سوئدی [قسمت اول]

    ۱۳۹۶-۰۹-۱۶
    توسط اپراتور خبر
  • واریته

    مدیرکل محیط زیست گلستان برکنار شد/علت اصلی: پنهان‌کاری مرگ هیرکان

    ۱۳۹۶-۰۴-۲۸
    توسط اپراتور خبر
  • واریته

    آیا فیسبوک به اطلاعات حساب بانکی کاربران دسترسی پیدا خواهد کرد

    ۱۳۹۷-۰۵-۱۷
    توسط اپراتور خبر
  • واریته

    گشتی در عمارت ۸۰ جریبی و مجلل «محمد علی کلی» با قیمتی منحصر به فرد

    ۱۳۹۷-۰۴-۱۴
    توسط اپراتور خبر

پاسخ دادن لغو پاسخ

تبلیغات

  • آخرین

  • محبوب

  • دیدگاه ها

  • با حضور در کنفرانس بین‌المللی معدنکاری چین ۲۰۲۵؛ مدیرعامل شرکت ملی مس پروژه‌های توسعه‌ای ...

    توسط مهناز خدادوست
    ۱۴۰۴-۰۸-۰۲
  • آیین اختتامیه سومین دوره مسابقات فرهنگی ورزشی بانوان ۲۶ سال و بیشتر شرکت صنایع پتروشیمی ...

    توسط مهناز خدادوست
    ۱۴۰۴-۰۸-۰۲
  • بانک صادرات ایران با روش‌های نوین تأمین مالی، گره تولید را باز می‌کند

    توسط مهناز خدادوست
    ۱۴۰۴-۰۸-۰۱
  • آغاز فصلی تازه در بانکداری ایران با الحاق بانک آینده به بانک ملی ایران

    توسط مهناز خدادوست
    ۱۴۰۴-۰۸-۰۱
  • بانک آینده با عاملیت بانک ملی ایران تعیین تکلیف شد

    توسط مهناز خدادوست
    ۱۴۰۴-۰۸-۰۱
  • عفونت بند ناف نوزادان را جدی بگیرید

    توسط اپراتور خبر
    ۱۳۹۶-۰۳-۲۰
  • کوالکام می گوید در صورت پیوستن به برادکام، دو مشتری مهم خود را از دست ...

    توسط اپراتور خبر
    ۱۳۹۶-۱۱-۲۳
  • خون دماغ یعنی ….

    توسط اپراتور خبر
    ۱۳۹۶-۰۲-۲۳
  • تبلیغات محیطی جذاب و بی‌نقص با نمایشگرهای حرفه ای Outdoor سامسونگ

    توسط اپراتور خبر
    ۱۳۹۶-۰۷-۲۹
  • بهترین زمان برای خرید لپ‌تاپ چه زمانی است؟

    توسط اپراتور خبر
    ۱۳۹۶-۰۳-۱۶
  • مریم نجفی رحیمیان
    در
    ۱۴۰۱-۰۳-۱۸

    مهدی احمدی رییس اداره کل روابط عمومی خبرداد: اعلام اسامی برندگان جوایز قرعه کشی در ...

    سلام خسته نباشید سوال ...
  • قیمت آهن انبار مشهد
    در
    ۱۴۰۱-۰۲-۱۷

    بیماری‌هایی که کلیه را عفونی می‌کنند

    با سلام ممنون از ...
  • آهن مشهد
    در
    ۱۴۰۱-۰۲-۱۷

    با کفش Futurecraft 4D آدیداس آشنا شوید؛ کتانی ساخته شده با فناوری چاپ سه بعدی

    خیلی مقاله عالیی بود ...
  • مهناز خدادوست
    در
    ۱۴۰۱-۰۲-۰۶

    ۱۳۸۸ فقره وام ازدواج توسط بانک قرض‌الحسنه مهر ایران پرداخت شد

    با سلام و ارادت ...
  • مهناز خدادوست
    در
    ۱۴۰۱-۰۲-۰۶

    ۱۳۸۸ فقره وام ازدواج توسط بانک قرض‌الحسنه مهر ایران پرداخت شد

    با سلام و ارادت ...
  • خانه
  • واریته
  • سلامت
  • اقتصاد
  • درباره تریتا
  • تبلیغات در تریتا
  • درباره ما
تمامی حقوق این وبسایت برای تریتانیوز محفوظ است