Otonom araçlar, köşelere park edilmiş teslimat kamyonları veya kavşaklara yaklaşan bisikletliler gibi karşılaştıkları nesneleri hızlı ve doğru bir şekilde tanımlayabilmelidir. Bunu başarmak için otonom arabalar, yüksek çözünürlüklü sahne görüntülerindeki her pikseli sınıflandırmak için güçlü bir bilgisayarlı görüş modeli kullanabilir, böylece düşük kaliteli görüntülerde gizlenebilecek nesneleri gözden kaçırmamalarını sağlayabilirler. Ancak anlamsal bölümleme olarak bilinen bu görev oldukça karmaşıktır ve özellikle yüksek çözünürlüklü görüntülerde kapsamlı hesaplama gerektirir.
Uluslararası basında çıkan haberlere göre, Massachusetts Teknoloji Enstitüsü'nden (MIT), MIT-IBM Watson Yapay Zeka Laboratuvarı'ndan ve diğer kurumlardan araştırmacılar, daha verimli bir bilgisayarlı görme modeli geliştirmek için işbirliği yaparak yukarıda belirtilen görevin hesaplama karmaşıklığını önemli ölçüde azalttı. Bu model, araç içi bilgisayarlar gibi sınırlı donanım kaynaklarına sahip cihazlarda gerçek zamanlı, doğru anlamsal bölümleme gerçekleştirerek otonom araçların anlık kararlar almasına olanak tanıyor.
Mevcut en son teknolojiye sahip semantik segmentasyon modelleri, bir görüntüdeki her piksel çifti arasındaki etkileşimleri doğrudan öğrenebilir; bu, görüntü çözünürlüğü arttıkça hesaplamalarının karesel olarak arttığı anlamına gelir. Bu tür modeller çok doğru olsa da işlem hızları, sensörler veya akıllı telefonlar gibi uç cihazlarda yüksek çözünürlüklü görüntüleri gerçek zamanlı olarak işleyemeyecek kadar yavaştır.
MIT'deki araştırmacılar, anlamsal bölümleme modeli için, türünün en gelişmiş modellerine eşdeğer yeteneklere sahip olan ancak yalnızca doğrusal hesaplama karmaşıklığına ulaşan ve verimli donanım işlemlerini kolaylaştıran yeni bir bileşen tasarladı.
Araştırmacıların çalışmalarının sonucu, yüksek çözünürlüklü bilgisayarlı görme için yeni bir model serisidir. Bu modeller, mobil cihazlara kurulduğunda önceki modellere göre 9 kat daha hızlı çalışıyor. Önemli olan, alternatif çözümlerle karşılaştırıldığında bu yeni modelin daha iyi olmasa da benzer doğruluk elde etmesidir.
Bu teknoloji yalnızca otonom arabaların gerçek zamanlı kararlar almasına yardımcı olmakla kalmıyor, aynı zamanda tıbbi görüntü bölümleme gibi diğer yüksek çözünürlüklü bilgisayarlı görme görevlerinin verimliliğini de artırabiliyor.
