A-Eye näkee miljoonia värejä parempaan automatisointiin

Northeasternin tutkijat ovat rakentaneet laitteen, joka tunnistaa "miljoonia värejä" käyttämällä uusia tekoälytekniikoita. ”Automaation maailmassa muodot ja värit ovat yleisimmin käytettyjä esineitä, joista kone tunnistaa esineitä”, Kar sanoo.

Läpimurto on kaksijakoinen. Tutkijat pystyivät suunnittelemaan kaksiulotteista materiaalia, jonka erityiset kvanttiominaisuudet, kun ne on rakennettu optiseen ikkunaan, jota käytetään päästämään valoa koneeseen, voivat käsitellä runsaasti erilaisia ​​värejä "erittäin suurella tarkkuudella" – mitä alan ammattilaiset eivät ole pystyneet käsittelemään. pystynyt saavuttamaan aiemmin.

Lisäksi A-Eye pystyy "tunnistamaan ja toistamaan "nähdyt" värit tarkasti nollapoikkeamalla niiden alkuperäisistä spektreistä, kiitos myös koneoppimisalgoritmien ansiosta, jotka on kehittänyt tekoälytutkijaryhmä, jota ohjasi avustaja Sarah Ostadabbas. sähkö- ja tietokonetekniikan professori Northeasternissa. Projekti on tulosta Northeasternin kvanttimateriaalien ja Augmented Cognition -laboratorioiden ainutlaatuisesta yhteistyöstä.

Koneet tunnistavat värit tyypillisesti jakamalla sen tavanomaisten RGB-suodattimien (punainen, vihreä, sininen) avulla sen komponentteihin ja käyttävät sitten näitä tietoja olennaisesti arvaamaan ja toistamaan alkuperäisen värin. Kun osoitat digitaalikameralla värillistä kohdetta ja otat valokuvan, kyseisestä kohteesta tuleva valo virtaa joukon ilmaisimia, joiden edessä on suodattimet, jotka erottavat valon RGB-pääväreiksi.

Voit ajatella näitä värisuodattimia suppiloina, jotka kanavoivat visuaalisen tiedon tai datan erillisiin laatikoihin, jotka sitten määrittävät "keinotekoisia numeroita luonnollisille väreille", Kar sanoo.

"Joten jos jaat sen vain kolmeen osaan [punainen, vihreä, sininen], on joitain rajoituksia", Kar sanoo.

Suodattimien sijaan Kar ja hänen tiiminsä käyttivät ainutlaatuisesta kaksiulotteisesta materiaalista valmistettuja "läpäiseviä ikkunoita".

"Saamme koneen tunnistamaan värit hyvin eri tavalla", Kar sanoo. "Sen sijaan, että hajottaisimme sen tärkeimpiin punaisiin, vihreisiin ja sinisisiin komponentteihin, kun värillinen valo ilmestyy esimerkiksi ilmaisimeen, sen sijaan, että etsisimme vain näitä komponentteja, käytämme koko spektritietoa. Ja kaiken lisäksi käytämme joitain tekniikoita niiden muokkaamiseen ja koodaamiseen sekä tallentamiseen eri tavoilla. Joten se tarjoaa meille joukon numeroita, jotka auttavat meitä tunnistamaan alkuperäisen värin paljon yksilöllisemmin kuin perinteisellä tavalla."

Materials Today – Dispersioton erittäin tarkka värintunnistus eksitonisten 2D-materiaalien ja koneoppimisen avulla

tiivistelmä
Dispersio hyväksytään perustavanlaatuiseksi vaiheeksi, jota tarvitaan laajakaistavalon analysoinnissa. Värin tunnistaminen ihmissilmällä, sen digitaalinen toisto kameralla tai yksityiskohtainen analyysi spektrometrillä käyttävät kaikki dispersiota; se on myös värintunnistuksen ja konenäön olennainen osa. Tässä esittelemme laitteen (nimeltään tekosilmä tai A-Eye), joka tunnistaa ja toistaa tarkasti testatut värit ilman spektridispersiota. Sen sijaan A-Eye käyttää N = 3–12 transmissiivista ikkunaa, joista jokaisella on ainutlaatuiset spektriominaisuudet, jotka johtuvat 2D-siirtymämetallidikalkogenidien laajakaistan läpäisevyydestä ja eksitonisista huippuominaisuuksista. Näiden ikkunoiden läpi kulkeva (ja niiden muokkaama) värillinen valo, joka osui yhteen valoilmaisimeen, synnytti erilaisia ​​valovirtoja, ja niitä käytettiin luomaan vertailutietokanta (harjoitussarja) 1337 "nähdylle" ja 0.55 miljoonalle syntetisoidulle "näkemättömälle" värille. "Katsomalla" näiden ikkunoiden muokkaamia testivärejä A-Eye voi tunnistaa ja toistaa tarkasti "nähdyt" värit nollapoikkeamilla alkuperäisestä spektristä ja "näkemättömät" värit vain ~1 %:n mediaanipoikkeamalla k-NN-algoritmia käyttämällä. . A-Eye voi jatkuvasti parantaa värien arviointia lisäämällä korjatut arvaukset harjoitustietokantaan. A-Eyen tarkka värintunnistus kumoaa käsityksen siitä, että värien hajoaminen on värintunnistuksen edellytys, ja tasoittaa tietä erittäin luotettavalle värintunnistukselle koneilla, joiden suunnittelu on vähäistä.