提問(wèn)二

無(wú)人車(chē)需要學(xué)習(xí)，那語(yǔ)義分割技術(shù)是否也在不斷的進(jìn)化？

趣味解讀

牙牙學(xué)語(yǔ)時(shí)，嬰兒只能分辨顏色、識(shí)別簡(jiǎn)單特征的物品，隨著年齡的增長(zhǎng)，接觸了更多的事物，認(rèn)識(shí)除顏色外，物品還有更多的區(qū)別，比如材質(zhì)、形狀等，能通過(guò)多個(gè)特征判斷一個(gè)物品。語(yǔ)義分割亦是如此，傳統(tǒng)的語(yǔ)義分割感受的特征比較少，而隨著卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，無(wú)人車(chē)通過(guò)深度學(xué)習(xí)，能識(shí)別更多的特征，語(yǔ)義分割的結(jié)果也更加精準(zhǔn)。

專(zhuān)業(yè)解讀

圖像的語(yǔ)義分割有多種手段。傳統(tǒng)的語(yǔ)義分割技術(shù)有基于統(tǒng)計(jì)學(xué)方法的語(yǔ)義分割和基于幾何學(xué)方法的語(yǔ)義分割等。隨著深度學(xué)習(xí)（Deep Learning）技術(shù)的發(fā)展，基于深度學(xué)習(xí)尤其是基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）的圖像語(yǔ)義分割得到了飛速的發(fā)展。與前幾種方法相比，基于深度學(xué)習(xí)的語(yǔ)義分割可以自動(dòng)地學(xué)習(xí)圖像的特征，大大提升了圖像語(yǔ)義分割的精確度，降低了學(xué)界和工業(yè)界使用語(yǔ)義分割技術(shù)的門(mén)檻。

成熟

提問(wèn)三

深度學(xué)習(xí)的過(guò)程是怎樣的？圖像語(yǔ)義分割技術(shù)如何運(yùn)用深度學(xué)習(xí)提升精確度？

趣味解讀

人類(lèi)在學(xué)習(xí)的過(guò)程中，由于經(jīng)驗(yàn)的不足，會(huì)因一些接近的相似項(xiàng)導(dǎo)致對(duì)結(jié)果判斷有誤差，無(wú)人車(chē)也是一樣，因此在解讀特征的過(guò)程中，需要將事物進(jìn)行多角度多層次的剖析，一層一層的分解，最后再自我消化，重新進(jìn)行解讀，得到對(duì)事物的判斷和理解。

專(zhuān)業(yè)解讀

深度學(xué)習(xí)是深度神經(jīng)網(wǎng)絡(luò)算法，簡(jiǎn)單來(lái)講，就是利用人工搭建的神經(jīng)元系統(tǒng)形成的網(wǎng)絡(luò)對(duì)特征進(jìn)行學(xué)習(xí)。卷積神經(jīng)網(wǎng)絡(luò)是目前深度學(xué)習(xí)技術(shù)領(lǐng)域中非常具有代表性的神經(jīng)網(wǎng)絡(luò)之一。卷積神經(jīng)網(wǎng)絡(luò)的核心思想是加權(quán)疊加，這使得圖像可通過(guò)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行更加方便的處理。如下圖所示，原有的圖片通過(guò)卷積神經(jīng)網(wǎng)絡(luò)，特征被逐層提取，經(jīng)過(guò)卷積、池化、反卷積等一系列處理，最終得到了最右邊的預(yù)測(cè)圖像。

有沒(méi)有感覺(jué)十分神奇？你眼前不再是冰冷的引腳排線(xiàn)和悄無(wú)聲息穿梭的電流，而是一個(gè)同經(jīng)歷了幾萬(wàn)年漫長(zhǎng)進(jìn)化過(guò)程的人類(lèi)一樣具有理解圖像能力的智能體，是一個(gè)每秒可進(jìn)行上億次運(yùn)算并對(duì)看到的世界做出解釋的無(wú)人車(chē)。

圖像語(yǔ)義分割的意義遠(yuǎn)不只是吸引你的眼球，它在自動(dòng)駕駛、醫(yī)學(xué)圖像等領(lǐng)域也有著重要的應(yīng)用潛力。如上圖所示的圖片中，車(chē)輛在道路上如能對(duì)攝像頭采集的圖片或視頻進(jìn)行精確且快速的語(yǔ)義理解，就能在很大程度上對(duì)障礙躲避、路徑規(guī)劃等做出指導(dǎo)，這為自動(dòng)駕駛提供了成本相對(duì)較低、部署較簡(jiǎn)易的信息補(bǔ)充。一清創(chuàng)新應(yīng)用了當(dāng)前最先進(jìn)的語(yǔ)義分割技術(shù)，實(shí)時(shí)性、準(zhǔn)確性等指標(biāo)均居于業(yè)界前沿，穩(wěn)定精確的語(yǔ)義分割結(jié)果為自動(dòng)駕駛提供了豐富可靠的數(shù)據(jù)支持。