结合计算机视觉和大脑计算机接口我更快的检测

圣地亚哥加利福尼亚大学的计算机科学家,结合先进的计算机视觉算法和脑机接口找矿在海底声纳图像。研究表明,新方法检测速度相当,与现有方法相比,主要由我检测专家目视检查。

“计算机视觉和人类的视觉都有其特定的优势,结合一起工作得很好,”Ryan Kastner说,计算机科学教授在加州大学圣地亚哥分校的雅各布斯工程学院。“例如,电脑非常擅长发现微妙,但数学精确的模式,人们有能力更全面地思考事情,看到大局。我们这里有巨大的潜力结合这些方法来提高性能。”

研究人员曾与美国海军空间和海战系统中心太平洋太平洋(SSC)在圣地亚哥450年收集的数据集声纳图像包含150惰性,亮橙色地雷放置在测试领域在圣地亚哥湾。图像数据集收集水下车辆装备声纳。此外,研究人员训练他们的计算机视觉算法在975年的一个数据集的图像mine-like对象。

在这项研究中,研究人员首先展示了六个科目一个完整的数据集,之前已经接受计算机视觉算法。然后他们跑的图像数据集通过他们开发了水雷探测计算机视觉算法,标记图像,最有可能包括矿山。然后显示结果受试者配备脑电图(EEG)系统,编程检测大脑活动显示受试者对一个图像,因为它包含一个显著特征——可能是我的。主题发现矿山已经快得多,当图像处理的算法。计算机科学家最近在杂志上发表了他们的结果IEEE海洋工程》杂志上。

算法是所谓的一系列的分类器,在连续工作,提高速度和准确性。分类器是用来捕获图像的像素强度之间的邻近地区的变化。系统的目标是检测99.5%的真阳性和只产生50%的假阳性在每个通过分类器。因此,正确积极居高不下,而每次通过减少假阳性。

研究人员花了几个版本的数据集生成的分类器,跑了6个科目配备EEG装备,已为每个主题第一次校准。原来,主题表现最好的数据集包含最保守的结果生成的计算机视觉算法。他们筛选3400图像芯片大小在100年由50像素。每个芯片都显示主题仅为1/5秒(0.2秒)——足够EEG-related算法来确定主题的大脑信号显示,他们看到感兴趣的东西。

所有科目表现好于看到全套的图片时,没有预先筛分的计算机视觉算法。一些课程也表现得比自己的计算机视觉算法。

“人类的感知可以做事情,我们不能接近做计算机视觉,”Chris Barngrover说谁获得了计算机科学博士学位Kastner研究集团,目前在SSC太平洋工作。“但是计算机视觉不厌倦或压力。看来自然结合两个。”

注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

加州大学-圣地亚哥原始报告:Ioana Patringenaru

出版

克里斯托弗•Barngrover Ryan Kastner哔叽Belongie。半合成和真实的声纳Mine-Like对象的训练数据分类。2015年1月IEEE海洋工程》杂志上发表。doi: 10.1109 / JOE.2013.2291634