最近，在西雅圖舉辦的IEEE國際機器人與自動化大會(ICRA)上，與會者們見到一種新的安全設(shè)備，該設(shè)備十分難得一見，目前正由科技巨頭谷歌研發(fā)。Anelia Angelova是谷歌的一名高級研究員，從事計算機視覺和機器學(xué)習(xí)的研發(fā)工作。她展示了一種新的行人檢測系統(tǒng)，該系統(tǒng)可單獨處理視頻影像。

對于任何無人駕駛汽車來說，能識別，追蹤和躲避行人是一項十分重要的功能。谷歌的車輛上就裝滿了激光雷達，無線電探測器和攝像機，以確保他們能夠確定在數(shù)百米范圍內(nèi)的行人情況。

但一套感應(yīng)器十分昂貴，光車頂上的一個旋轉(zhuǎn)激光雷達裝置就要花費將近10000美元(如果是多功能裝置則花費得更多)。雷鋒網(wǎng)此前也專門分解過無人駕駛汽車的成本。如果自動汽車僅使用廉價的攝像機就能定位行人的話，這將大大降低成本，并且將有希望很快迎來一個機器自由操控汽車的時代。但攝像機有他們自己的問題。Angelova說到，“相較于雷達裝置，視覺信息給你一個更廣闊的視野，但處理速度卻相對較慢。”

至少它曾經(jīng)是這樣的。最好的視頻分析系統(tǒng)使用的是深層神經(jīng)網(wǎng)絡(luò)，這種機器學(xué)習(xí)算法可以被訓(xùn)練，從而能對圖像信息(和其他類型的數(shù)據(jù))進行十分準(zhǔn)確的分類。深層神經(jīng)網(wǎng)絡(luò)依靠多個處理層，這些處理層位于輸入層和輸出層之間。為了進行圖像識別，輸入層會學(xué)習(xí)圖像的像素特征，下一層則要學(xué)習(xí)這些功能的組合，并通過中間層，逐漸形成更加精密復(fù)雜的關(guān)系。輸出層則負責(zé)推測系統(tǒng)在關(guān)注些什么。

現(xiàn)代深層網(wǎng)絡(luò)可以在諸如人臉識別等任務(wù)方面勝人一籌，準(zhǔn)確率超過99.5%。但Angelova解釋道，傳統(tǒng)的用于行人檢測的深層網(wǎng)絡(luò)速度很慢，它將每個街道圖像劃分為100000個甚至更多的小碎片，然后反過來對每個碎片進行分析。這可能需要幾秒鐘甚至幾分鐘每幀，使他們無法用于城市街道的巡視。使用這種網(wǎng)絡(luò)的汽車無法對行人進行及時的探測，可能在它發(fā)現(xiàn)行人的時候就已經(jīng)超了過去。

Angelova的新型高速行人檢測器分為三個單獨的階段。

-第一階段是一種深層網(wǎng)絡(luò)，相較于之前的成千上萬的碎片而言，它只需將圖像信息分割成幾十塊碎片，可在多個地點同時進行多項檢測，從而對行人進行識別。

-第二個階段則是另一種網(wǎng)絡(luò)，它能對識別結(jié)果進行改良。

-第三階段則是一種傳統(tǒng)的深層網(wǎng)絡(luò)，它將最終識別結(jié)果，即是否發(fā)現(xiàn)行人，進行傳送。

由于這種緩慢準(zhǔn)確的網(wǎng)絡(luò)只對潛在圖像的一小部分進行分析，所以整個處理過程就會進行得更快，大約要比之前的網(wǎng)絡(luò)快60到100倍。Angelova說道，這些圖形處理器的運行和谷歌的無人駕駛汽車十分類似，會對大約一天以內(nèi)的街道圖像進行反饋。然后，它可以在大約0.25秒左右的時間準(zhǔn)確地識別行人。研究人員使用已知的行人圖像數(shù)據(jù)庫，而不是使用谷歌汽車的視頻，因為這樣他們可以將該結(jié)果同之前的網(wǎng)絡(luò)進行比較。

Angelova承認(rèn)：“事實上，目前還達不到能用于實際的0.07秒。”為了能安全采取行動，無人駕駛汽車需要在瞬間確認(rèn)是否面對行人。“但這意味著倘若其他感應(yīng)器失靈，新系統(tǒng)能做出及時的補充處理。”

隨著更強大的處理器的出現(xiàn)以及神經(jīng)網(wǎng)絡(luò)容量的增加，Angelova預(yù)計該功能的效果將會顯著提升。她說：“從更加廣闊的視角來看待網(wǎng)絡(luò)，你將能感受到更加快速的發(fā)展。”等到大家都能擁有無人駕駛汽車時，其獨特的旋轉(zhuǎn)激光雷達可能已經(jīng)完全消失了。