據外媒報道，英國布里斯托大學與曼徹斯特大學合作研發了一款能夠學習和理解所看到的東西的攝像頭，從而有助于實現智能攝像頭。

在SCAMP-5D視覺系統上的卷積神經網絡以每秒8200幀的速度對手勢進行分類（圖片來源：布里斯托大學）

機器人專家和人工智能（AI）研究人員都知道，目前的系統在感知和處理世界方面存在一個問題，仍需要將傳感器（如為記錄圖像設計的數碼相機）和為視頻游戲加速而設計的圖形處理單元（GPU）等計算設備結合起來。

這也意味著AI系統只有在記錄并在傳感器和處理器之間傳輸了視覺信息之后才能感知世界，但是，許多看到的東西往往與手頭上的任務無關，例如，自動駕駛汽車經過路邊的樹木時所看到的樹葉的細節。不過，現在所有此類信息都被傳感器精確地捕捉并發送給了系統，導致系統內不相干的數據造成堵塞，消耗了能量，耗費了處理時間。因此，需要一種不同的方法來讓智能機器實現高效視覺能力。

為此，布里斯托大學和曼徹斯特大學合作展示了如何將感知和學習結合起來，為AI系統創建新型攝像頭。

研究人員表示，可以從自然系統處理視覺世界的方式中汲取靈感。例如，人類并不會感知一切，大腦和眼睛會合作來理解世界。在某些情況下，眼睛會自己進行處理，以幫助大腦減少理解不相關的東西。例如，青蛙眼睛上的探測器就可以在直接感知圖像的地方發現蒼蠅等物體。

該項研究改進了兩個方面。首先，直接在圖像平面上執行卷積神經網絡（CNN，一種用于理解視覺信息的AI算法）。該團隊研發的CNN能夠每秒對幀進行數千次分類，無需記錄此類圖像或將其發送至處理管道。研究人員考慮對手寫數字、手勢甚至浮游生物進行分類，以作示范。

該項研究表明，未來專用的智能AI攝像頭視覺系統可以簡單地向系統的其他部分發送高級信息，如攝像頭前出現的物體或發生的事件的類型。此種方法會讓系統更加高效和安全，因為不需要記錄圖像。

其次，該項研究還受益于SCAMP架構。SCAMP是一種攝像頭處理器芯片，該團隊將其用作像素處理陣列（PPA）。PPA在每個像素中都嵌入一個處理器，而像素之間可以互相通信，從而能夠以真正并行的方式得到處理，最終實現理想的CNN和視覺算法。

研究人員表示：“在每一個像素上集成感知、處理和內存技術不僅能夠實現高性能、低延遲的系統，而且還能實現低功率、高效率的硬件。SCAMP設備的能耗與當前的攝像頭傳感器類似，但是在捕捉圖像點方面卻有一個通用的大規模并行處理器。”
責任編輯：YYX