利用人工神经网络，生物启发的传感器计算加快机器视觉

视觉对生物来说是一种重要的感觉。我们的眼睛给我们提供了关于周围世界的无限信息。生物工程方面最大的挑战之一是创造真正精确可靠的人工机器视觉。这项技术正在迅速发展，但人类的视觉仍然更有效率。

这是因为，虽然制造高度精密的相机、显微镜和望远镜很容易，但要接近大脑理解视觉数据、根据视觉数据进行分类和预测的能力却很困难。我们的大脑经历了数百万年才进化到如此复杂的程度，相比之下，这项技术仍然很新。

传感器计算加速机器视觉

维也纳理工大学的一个研究小组正在开发一种提高机器视觉速度的方法。目前的机器视觉技术使用的是一种对光线做出反应的图像传感器，它由另一个设备进行数字化，然后在云中进行处理。该系统工作正常，但面临着跨多个设备高效处理大量数据的困难。

他们的解决方案是，通过传感器内计算，省去中间商。在这项技术中，图像传感器本身开始处理数据，省去了机器视觉流水线中的一个步骤。

传感器内计算的神经网络

这一系统是通过采用神经网络或计算架构实现的，这种架构具有高度互联的元素，可以像我们大脑的神经元那样并行工作。

神经网络可以从周围的环境中学习，因此很适合应用于传感器内计算系统，因为图像传感器是系统中实际收集周围环境数据的一部分。

这项技术目前正处于开发的早期阶段，不过研究人员已经成功地利用他们的传感器识别了一系列印刷的字母。当这项技术取得丰硕成果时，其意义是巨大的。

图像传感器处理自身数据的能力可能对无人驾驶车辆和工业制造业产生影响。
在生命科学领域，这项技术可能具有重大的医学意义。由于它能够在广阔的视野中捕捉动态和三维图像，这项技术可能导致医学成像的巨大进步，从而通过更好和更早地诊断疾病和损伤来挽救生命。

如果你喜欢这篇文章，你可能也有兴趣阅读人工智能和医学成像是如何在癌症诊断中取得突破的。