卷积神经网络有助于嵌入式视觉应用

为了让机器拥有人类的理解和思考能力，科学家们创造了卷积神经网络(cnn)。尽管它们需要模仿人类思维过程的高度复杂的算法，但它们并不难理解。卷积的并不意味着令人费解。

帮助机器像人类一样思考

卷积神经网络和嵌入式视觉领域的领导者不只是想让机器更快。他们想让机器更智能。我们的目标是帮助机器像人类一样看待世界，以同样的方式感知世界，然后应用它们所拥有的知识。一些应用包括图像识别、图像分类和自然语言处理。

作为人类，我们不断地分析我们的环境。我们也会对我们所看到的事物进行标记和预测。例如，你可能知道最近的出口在哪里。还有你进大楼的每扇门。你的大脑已经为紧急情况准备好了这些信息。但你还记得今天早上你送进办公室的荧光灯的数量吗?

你的大脑会自动处理这些工作。它根植于你的DNA中。这看起来可能很简单，但是将这个过程编程到CNN中是相当具有挑战性的。cnn必须接受输入，识别重要的内容，对其进行分类，预测下一步要做什么，然后采取行动。但是这种人工智能与嵌入式视觉有什么关系呢?

卷积神经网络和嵌入式视觉

cnn可以被训练成像人类一样看世界。CNN不需要训练机器了解它可能遇到的每个物体的每个特征，而是可以将这个过程自动化。使用嵌入式视觉，机器可以通过将物体与庞大的数据集进行比较来识别物体。它们甚至可以在出错时调整分类参数。

卷积神经网络甚至与视觉联系在一起，因为它们是3D组织的。它们有宽度、高度和深度。网络中的人工神经元与附近的其他神经元相连。CNN使用一种称为卷积的技术来为输入添加一个过滤器，然后绘制出CNN认为它看到的物体的概率。

cnn是图像分类的完美工具。这就是为什么它们与嵌入式视觉配合得这么好。他们可以快速地从图像中提取数据，然后对数据进行分类。嵌入式视觉系统通常具有大带宽容量和低功耗，这正是CNN所需要的。

本文最初发表于视觉在线．AIA是先进自动化协会(A3)的一部分，是CFE媒体的内容合作伙伴。

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。