機器視覺“大爆發(fā)”

在寒武紀，最早的三葉蟲進化出了一套非常原始的視力系統(tǒng)，就像最原始的照相機，能捕捉到一丁點光。但這改變了一切：能“看”之后，動物開始主動捕食，獵手和獵物之間從此開始了持續(xù)數(shù)億年的“追蹤——躲藏”游戲，行為越來越復雜。5.4億年之后的今天，機器正在經(jīng)歷屬于它們的視覺“大爆發(fā)”。

人機視覺大PK

你認為下面的說法是真的嗎？

1.你的同桌在視頻中僅出現(xiàn)了萬分之一秒（沒錯，比眨眼的時間還快），但你依舊能找到她。（真假）

2.機器進行視覺識別的錯誤率甚至比人還低！（真假）

答案

1.真的。20世紀60年代，一位好萊塢的導演做了個很有意思的實驗，他不斷縮短畫面播放的時間，從十幾秒到幾秒，最后到三分之一秒——他發(fā)現(xiàn)這個時長足夠讓觀眾看清楚并且充分理解畫面。

科學家們受此啟發(fā)，開展了更進一步的實驗：向參與者播放連續(xù)多幀畫面，每幀的顯示時間僅有100微秒（一萬分之一秒）。其中僅有一幅畫面里有一個人，而大家確實都能夠找出來！

2.真的。計算機視覺已經(jīng)攻關(guān)了很多年，從2010年到2017年，In ageNet挑戰(zhàn)賽的目標識別錯誤率一直在下降。到2015年，錯誤率已經(jīng)達到甚至低于人類水平。

機器的眼睛是怎么“看”的？

來做一個小小的“看圖說話”練習吧！仔細看下圖，哪一選項的說法是錯誤的呢？（）

答案：選項A正確

沒錯，看到電腦屏幕了嗎？任何機器人外表漂亮的“眼睛”背后都是一架攝影機和電腦屏幕。對于人類來說，哪怕是幼兒園的小朋友，也能輕而易舉地認出草莓，我們大腦內(nèi)會無意識地提取出草莓的特征：“表面有一粒一粒的”“稍微有點圓的三角形”。

在看到草莓時，人們通常會想馬上嘗一口，哪怕還沒洗過。但機器會把草莓圖像分成非常細小的像素，成為一系列數(shù)字的羅列。（做個機器人好像很無聊耶?。?/p>

選項C錯誤。

機器會按照特殊系統(tǒng)對這些數(shù)字進行龐大的計算，最終提取出草莓的特征——“紅彤彤的”“表面有一粒一粒的”“稍微有點圓的三角形”等等，從而把草莓與蘋果、橘子等水果區(qū)別開來。

除了瓣認草莓，機器視覺還有哪些超酷、超有用的應用呢？以下幾項明星技能來亮相啦！

1.圖像搜索

在九張動物圖片中找到獨一無二的“老虎”。你也許會想，這個工作太簡單了，為什么非要機器來做？

但如果是從90張、900張，甚至9萬張圖片中找到老虎來做？你要頭昏眼花地看上幾天，但機器只要9秒鐘就完成了。

2.智慧安防

有沒有發(fā)現(xiàn)身邊的監(jiān)控攝像頭越來越多了？銀行、超市、學校、街道……機器視覺會把鏡頭中的東西進行“分割”，分成一個個像素組，如“汽車”“摩托車”“行人”“路燈”“樹木”“可疑分子”……從而幫你判斷環(huán)境是否安全，并做出記錄。

3.機器人的眼睛

看看這些形形色色的機器人吧：可以陪你打乒乓球，連玩10局不喊累：可以在工廠里分揀各類物品：可以在銀行大廳里跟你親切地打招呼……它們可大可小、可萌可帥，共同點在于：都有一雙能“看”的好眼睛。

4.無人駕駛

你可能在車上找不到“眼睛”，但它的車載傳感系統(tǒng)卻在時時刻刻監(jiān)控路面的情況，檢測交通標志、燈光和其他視覺特征。