Mitmed autotootjad lubavad isesõitvad autod juba üsna varsti teedele tuua. Enne kui see aga juhtub, peavad autod õppima kiirelt ja täpselt teisi liiklejaid, eriti jalakäijaid tuvastama. Õnneks on UC San Diego teadlased loonud algoritmi, mis on varasematest oluliselt efektiivsem.
Uue algoritmi arendamisel ühendasid San Diego ülikooli teadlased elektrotehnika professori Nuno Vasconcelos juhendamisel kaks tehnoloogiat. Lisaks arvutinägemises laialdaselt kasutatavale kaskaadi tuvastamisele (cascade detection) kasutati ka süvaõppe (deep learning) algoritme.
Kaskaadi avastamine toimib nii, et iga pilt, mida arvuti näeb jagatakse väikesteks osadeks, kust siis jalakäijaid otsima hakatakse. Protsess käib mitmes etapis, millest esimeses visatakse välja alad, kus inimesi ilmselgelt ei ole, näiteks taevas. Järgnevates etappides võetakse ette järjest keerukamad alad ja kuigi kogu protsess toimub kiirelt, ei saa see algoritm siiski väga keeruliste olukordadega hästi hakkama.
Vasconcelos juhendatud rühm otsis abi süvaõppe algoritmidelt, mis on väga head mustrite ära tundmises, kuid liiga keerukad, et reaalajas kasutada. Selle probleemi lahendamiseks kasutatakse protsessi esimestes etappides tavalist kaskaadi avastamist. Hilisemates etappides, kui see hätta jääb, minnakse üle süvaõppe algoritmidele. Nii saadakse mõlemast protsessist parim.
Tehnoloogiate ühendamise tegi keerukaks see, et teadlased pidid lõpliku süsteemi tööle saama nii, et täpsuses kompromisse ei tehtaks. Hoolimata sellest suudeti luua algoritm, mis märkab jalakäijaid nii kiiresti kui inimsilmgi–2-4 kaadrit sekundis. Ka täpsus on võrreldes varasemate süsteemidega pea kaks korda parem.
Foto: kaader UC San Diego videost
