密歇根大學研發新軟體 提升無人駕駛汽車的計算機視覺能力

（圖片來源：密歇根大學官網）

蓋世汽車訊 據外媒報道，在進行探測「極度虛假」視頻的項目中，密歇根大學（University of Michigan）的工程師研發出一種軟體，可利用視頻片段提高計算機追蹤物體的能力，而且計算機的物體追蹤能力平均提高了11%。該軟體名為BubbleNets，可為人類選擇出最好的視頻幀，以便進行人工注射。除了能夠幫助訓練演算法識別出被篡改的視頻片段，該軟體還能夠提升無人駕駛汽車、無人機、監控和家庭機器人等新興領域內的計算機視覺能力。

目前分析視頻片段的軟體都需要依靠人工在視頻中標記物體，如標記人、動物和車輛。隨後，「視頻物體分割」演算法將通過視頻，跟蹤此類物體的邊界。

如今的先進「深度學習」程序需要人類只標出單個視頻幀，而通常呈現給人類的視頻幀都是視頻的第一幀，在很少的情況下，該視頻幀會是最佳選擇。但是截至目前，也沒有自動化的方法選出更好的視頻幀。

因此，當美國國防部研究計劃局（DARPA）要求能夠自動選出更好的視頻幀，密歇根大學研究團隊對此表示很懷疑，認為無法實現，因為該軟體都不知道人們需要跟蹤的是什麼，怎麼能夠推薦視頻幀呢？

但是，依靠深度學習技術，密歇根大學研究人員發現無需選擇出最佳的已經有注釋的視頻幀，演算法就可以做到這一點。他們所面臨的挑戰是創造足夠多的「訓練」數據，讓演算法能夠從大量的例子中得出自己的結論。

研究人員研究了60個視頻，此類視頻中每一幀都已經有注釋。如果研究人員提問：「每個視頻中哪一幀的注釋最好」，他們只會得到60個訓練數據。相反，利用「BubbleNets」軟體，研究人員可以一次比較兩個視頻幀，該軟體可以預測，如果選擇某一幀進行人工注釋，可以讓視頻分割處理軟體更貼近物體的邊界，從而可為他們提供近74.5萬對視頻幀，以訓練該演算法。

很難確切地說明BubbleNets在已經有注釋的視頻幀中在尋找什麼，但是測試顯示該軟體更喜歡的視頻幀是：

1、? 不是特別靠近視頻開頭或結尾的視頻幀；

2、? 看起來與視頻中其他幀相似的視頻幀；

3、? 顯示了物體清晰圖像的視頻幀。

目前，BubbleNets已經應用於DARPA的多大學媒體取證項目，DARPA為了識別虛假的宣傳視頻，需要在經過篡改的視頻上訓練其自己的演算法。BubbleNets可幫助其他軟體自動從視頻上刪除物體，以創建培訓數據。

但是，BubbleNets也可用於其他機器人和計算機視覺任務。例如，未來的家居機器人需要了解房子的布局和物品，該機器人需要能夠向主人展示一系列包含未注釋物體的視頻幀。

無人駕駛汽車和無人機等配備的計算機視覺演算法必須在無人工輸入的情況下運行，在此類情況下，該軟體會從視頻片段中篩選出不認識的物體，然後當該軟體發現有問題的視頻片段時，可為人類選擇最佳視頻幀，以幫助解釋問題。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！