Тосхиба Цорпоратион је развила АИ са 3Д препознавањем која је способна да измери даљину тачношћу стерео камере, користећи слику снимљену комерцијалном камером и анализирајући замућење слике узроковано сочивима камере користећи дубоко учење. Ова технологија ће елиминисати употребу стерео камера што на крају смањује трошкове и простор. Тосхиба ће ово достигнуће представити на међународној конференцији о рачунарском виду (ИЦЦВ2019) која ће се одржати у Јужној Кореји 30. октобра 2019. године од 10 сати.
Детекција слике постаје све важнија, а апликације попут робота који се крећу објектима, аутономна возила без посаде, беспилотне летелице са даљинским управљањем које прегледавају инфраструктуру итд. Захтевају више од слика субјеката, потребан им је мали уређај за анализу 3Д података који укључује облик и удаљеност. Отуда су повећана истраживања како би се развила мерна технологија са монокуларним камерама (лако их је минијатурисати) коришћењем дубоког учења за боље учење облика, позадине и других података пејзажа снимљеног објекта.
Ова метода има недостатак; тачност удаљености процењује се уз помоћ монокуларне камере у зависности од научених података пејзажа што узрокује пад тачности због снимака снимљених у различитим пејзажима. Да би ово превазишао, Тосхиба је развила фотографију отвора бленде филтрираног у боји, у којој су на сочиво причвршћена два филтера у боји, а боја и величина насталог замућења слике анализирају се према удаљености од објекта. Иако ово решава проблем зависности података, модификација постојећих сочива кошта време и новац.
Тосхиба је превазишла овај проблем развијањем уметне интелигенције помоћу технологије 3Д препознавања која користи дубоко учење како би анализирала како се слика замућује у складу са њеним положајем на сочиву, како би се постигло мерење удаљености са истом високом прецизношћу као и стерео систем камере, са нормалном монокуларном камером, али без потребе за подацима о пејзажу. До сада се сматрало да је теоретски немогуће измерити растојање на основу облика замућења, који је исти за објекте који имају и удаљеност и удаљеност када су једнако удаљени од жаришне тачке. Али, аналитички резултати показали су значајну разлику између облика замућења у близини и у даљини објеката, чак и ако су једнако удаљени од жаришне тачке. Уз то је Тосхиба успешно анализирала замућење података са снимљених слика помоћу модула за дубоко учење обученог са моделом дубоке неуронске мреже.
Када светлост пролази кроз сочиво, познато је да се облик створеног замућења мења у зависности од таласне дужине светлости и њеног положаја у сочиву. У развијеној мрежи положај и боја се обрађују одвојено како би се правилно уочиле промене у облику замућења, а затим, након проласка кроз пондерисани механизам пажње, контролисало где се на градијенту осветљености фокусира како би се правилно измерило растојање. Кроз учење, мрежа се затим ажурира како би се смањила грешка између измерене удаљености и стварне удаљености. Коришћењем овог АИ модула, Тосхиба је потврдила да једна слика снимљена комерцијално доступном камером остварује исту тачност мерења даљине која је обезбеђена стерео камерама. Више информација можете пронаћи на овој службеној страници компаније Тосхиба.
Тосхиба ће потврдити свестраност система комерцијално доступним камерама и сочивима и убрзати обраду слике, с циљем јавне примене у фискалној 2020. години.