蓋世汽車訊 受益于周邊視覺（peripheral vision），人類能夠看到不在自己視線范圍內(nèi)的形體。盡管不那么詳細，但這擴大了人們的視野，在許多情況下都很有用，例如檢測從側面接近用戶汽車的車輛。與人類不同，人工智能（AI）沒有周邊視覺，為計算機視覺模型配備這種能力，有助于更有效地檢測周邊風險，或預測人類駕駛員是否會注意到迎面而來的物體。

（圖片來源：麻省理工學院）????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????

據(jù)外媒報道，麻省理工學院（MIT）的研究人員開發(fā)出圖像數(shù)據(jù)集，從而能夠在機器學習模型中模擬周邊視覺。他們發(fā)現(xiàn)，使用該數(shù)據(jù)集來訓練模型，可以提高模型檢測視覺邊緣物體的能力，盡管其表現(xiàn)仍然比不上人類。結果還表明，與人類不同，物體大小和場景中的視覺混亂程度，都不會對AI性能產(chǎn)生較大影響。

研究人員Vasha DuTell表示：“研究人員測試了很多不同的模型，通過訓練它們會變得更好一點，但還是無法達到與人類相當?shù)某潭?。由此產(chǎn)生的問題是：這些模型缺少什么？”如果研究人員能夠解決這個問題，可能有助于建立機器學習模型，使之能夠更像人類一樣地看待世界。除了提高駕駛員安全性，此類模型還可用于開發(fā)更便于查看的顯示器。

返回第一電動網(wǎng)首頁 >