使用人工神经网络，生物启发的传感器计算速度升高了机器视觉

视线是生物生物的重要意义。我们的眼睛为我们提供了关于我们周围世界的无限信息。在生物工程方面最大的挑战之一是创造真正准确可靠的人造机器视觉。这项技术正在迅速发展，但是当所有人说和完成时，人类的愿景仍然更有效。

这是因为虽然它很容易制作高度复杂的相机，显微镜和望远镜，但难以逼近大脑对视觉数据感的能力以及基于它进行分类和预测。我们的大脑已经有数百万年来发展这种复杂程度，而且这种技术仍然非常新的比较。

传感器计算加速机器视觉

维也纳技术大学的一支研究团队正在开发一种提高机器视觉速度的方法。当前机器视觉技术使用响应于光的图像传感器，该图像由另一个设备数字化，然后在云中处理。该系统有效，但面临难以在多个设备上有效地处理大量数据。

他们的解决方案 - 通过传感器计算剪掉了中间人。在该技术中，图像传感器本身开始处理数据，切割机器视觉管道中的一个步骤。

用于传感器计算的神经网络

这一系统是通过采用神经网络或计算架构而实现的，这种架构具有高度相互关联的元素，可以像我们大脑的神经元一样并行运行。

神经网络可以从周围环境中学习，所以它们是放入传感器计算系统的绝佳候选，因为图像传感器是系统中从周围环境收集数据的一部分。

这项技术目前还处于发展的早期阶段，尽管研究人员已经成功地使用他们的传感器来识别一系列印刷字母。当这项技术成熟后，其影响将是巨大的。

图像传感器处理自身数据的能力可能会对无人驾驶汽车和工业制造产生影响。
在生命科学中，这项技术可能具有重大的医疗意义。由于其在广场中捕获动态和三维图像的能力，这项技术可能导致医学成像的大量改善，从而通过允许更好地诊断疾病和伤害来储蓄。

如果您喜欢这篇文章，您也可能有兴趣阅读AI和医学成像如何导致癌症诊断突破。