物品检测识别 深度学习数据集 物品识别在线

许多人工智能很难检测到伪装的物体是因为它们的算法依赖于视觉线索

无论是对人类还是人工智能来说，去识别发现伪装的物体都具有一定难度。但是现在，人工智能通过训练，可以从背景中分析出隐藏的物体。这项技术未来可用于许多方面，例如搜索救援工作、检测农业害虫、医学成像或军事环境。

斑马条纹

探测伪装物体需要视觉感知和知识。到目前为止，许多人工智能都在努力完成这项任务，因为他们的算法主要依赖于视觉线索来识别物体，例如颜色的差异或容易识别的轮廓形状。

为了改进这一点，阿联酋阿布扎比人工智能研究所的沈建冰和他的同事们整理了包含10000张照片的数据集对人工智能开展训练。沈建冰介绍，该数据集中包括5066幅伪装物体的图像，可分为78类，如“两栖类”、“水生类”和“飞行类”。照片中既有鱼类和昆虫等自然伪装的动物，也有穿制服的士兵等人工伪装的例子。尽管伪装物体的数据库已经存在，但这个数据集是目前最大的。

研究小组人工标记了涉及伪装物体的每一幅图像，以突出其形状、是否被周围环境部分阻挡等特征。然后，他们开发了一款名为SINet的人工智能，并根据数据集的图像对其进行训练。

研究人员将SINet与现有的12种用于检测通用对象的算法进行了比较。他们使用三组现有的伪装对象数据集测试了所有的13种算法。SINet在分离伪装物体方面、识别其在现有和训练数据集中的正确形状和性质方面都优于其他算法。研究人员表示，“在所有测试数据集上，SINet的性能都优于各种最先进的目标检测基线，因此它是一个强大的通用框架，有助于促进未来的研究。”之后，他们将于6月在华盛顿西雅图举行的CVPR 2020会议(IEEE国际计算机视觉与模式识别会议)上介绍这项工作。