तोशिबा कॉरपोरेशन ने एक 3 डी मान्यता के साथ एक एआई विकसित किया है जो एक स्टीरियो कैमरा की सटीकता के साथ दूरी को मापने में सक्षम है, एक वाणिज्यिक कैमरे के साथ ली गई छवि का उपयोग करके और कैमरे के लेंस द्वारा गहरी सीखने का उपयोग करके छवि को धुंधला करने का विश्लेषण करके। यह तकनीक स्टीरियो कैमरों के उपयोग को समाप्त करेगी जो अंततः लागत और स्थान को कम करती है। तोशिबा इस उपलब्धि को दक्षिण कोरिया में 30 अक्टूबर, 2019 को सुबह 10 बजे से आयोजित होने वाले कंप्यूटर विज़न (ICCV2019) के अंतर्राष्ट्रीय सम्मेलन में प्रस्तुत करेंगे।
इमेज सेंसिंग अधिक महत्वपूर्ण होता जा रहा है और ऐसे एप्लिकेशन जैसे रोबोट चलती वस्तुएं, स्वायत्त मानवरहित वाहन, बुनियादी ढांचे का निरीक्षण करने वाले रिमोट नियंत्रित ड्रोन आदि के लिए केवल विषयों की छवियों की आवश्यकता होती है, उन्हें आकार और दूरी को शामिल करने के लिए 3 डी डेटा का विश्लेषण करने के लिए एक छोटे उपकरण की आवश्यकता होती है । इसलिए शोध को आकार, पृष्ठभूमि, और imaged ऑब्जेक्ट के अन्य दृश्यों के डेटा के बेहतर सीखने के लिए गहन सीखने का उपयोग करके मोनोक्युलर कैमरों (वे लघु करना आसान है) के साथ एक मापने की तकनीक विकसित करने के लिए बढ़ा दिया गया है ।
यह विधि एक खामी रखती है; दूरी की सटीकता का आकलन एक मोनोक्युलर कैमरे की मदद से किया जाता है जो सीखे हुए दृश्यों के आंकड़ों के आधार पर होता है जो विभिन्न परिदृश्यों में लिए गए शॉट्स के कारण सटीकता की गिरावट का कारण बनता है। इस पर काबू पाने के लिए तोशिबा ने कलर फिल्टर्ड अपर्चर फोटोग्राफी विकसित की है जिसमें दो कलर फिल्टर लेंस से जुड़े होते हैं और परिणामस्वरूप इमेज ब्लर के रंग और आकार का विश्लेषण इस विषय से दूरी के अनुसार किया जाता है। यद्यपि यह डेटा निर्भरता के मुद्दे को हल करता है, यह मौजूदा लेंस को संशोधित करने के लिए समय और पैसा खर्च करता है।
तोशिबा ने 3 डी मान्यता तकनीक के साथ एआई को विकसित करके इस समस्या को दूर किया है जो लेंस पर अपनी स्थिति के अनुसार छवि को धुंधला करने के लिए गहन सीखने का उपयोग करता है, ताकि स्टीरियो कैमरा सिस्टम के समान उच्च परिशुद्धता के साथ दूरी माप प्राप्त किया जा सके।, एक सामान्य मोनोकुलर कैमरा के साथ, लेकिन दृश्य डेटा की आवश्यकता के बिना। अब तक, यह धब्बा के आकार के आधार पर दूरी को मापने के लिए सैद्धांतिक रूप से असंभव माना जाता था, जो कि दूरी और दूर दोनों के साथ वस्तुओं के लिए समान है जब वे केंद्र बिंदु से समान होते हैं। लेकिन, विश्लेषणात्मक परिणामों ने निकट और दूर की वस्तुओं के धुंधला आकार के बीच पर्याप्त अंतर दिखाया है, यहां तक कि वे केंद्र बिंदु से समान हैं। तोशिबा ने गहरे तंत्रिका नेटवर्क मॉडल के साथ प्रशिक्षित एक गहन शिक्षण मॉड्यूल द्वारा कैप्चर की गई छवियों से धमाकेदार डेटा का सफलतापूर्वक विश्लेषण किया।
जब प्रकाश लेंस से होकर गुजरता है तो निर्मित धब्बा का आकार प्रकाश की तरंग दैर्ध्य और लेंस में उसकी स्थिति के आधार पर परिवर्तित होता है। विकसित नेटवर्क में, स्थिति और रंग को धुंधला आकार में परिवर्तन को ठीक से महसूस करने के लिए अलग से संसाधित किया जाता है, और फिर, एक भारित ध्यान तंत्र से गुजरने के बाद, नियंत्रित करने के लिए जहां चमक ढाल पर ध्यान केंद्रित करने के लिए दूरी को सही ढंग से मापने के लिए। सीखने के माध्यम से, नेटवर्क को तब मापा दूरी और वास्तविक दूरी के बीच एक त्रुटि को कम करने के लिए अद्यतन किया जाता है। इस एआई मॉड्यूल का उपयोग करते हुए, तोशिबा ने पुष्टि की है कि व्यावसायिक रूप से उपलब्ध कैमरे के साथ कैप्चर की गई एकल छवि स्टीरियो कैमरों के साथ सुरक्षित दूरी माप सटीकता का एहसास करती है। अधिक जानकारी तोशिबा के इस आधिकारिक पेज पर देखी जा सकती है।
तोशिबा व्यावसायिक रूप से उपलब्ध कैमरों और लेंसों के साथ प्रणाली की बहुमुखी प्रतिभा की पुष्टि करेगी और वित्तीय वर्ष 2020 में सार्वजनिक कार्यान्वयन के लिए लक्ष्य बनाते हुए छवि प्रसंस्करण को गति देगी।