b暗視について話すとき、表示される画像は緑と黒になると誰もが想像しますが、これは変わりつつあります。研究者たちは、夜間でもカメラが日中に撮影されたかのようにカラー画像をキャプチャする方法を発見しました。
4月6日、雑誌""Plos One""は、a href="https://www.infobae.com/america/buscador/?query=aprendizaje%20profundo" rel="noopener noreferrer" target="_blank"ibi/i研究者がディープラーニングアーキテクチャを備えた最適化されたアルゴリズムの発見を発表するアメリカの記事を発表しました。夜景から見えるスペクトルを日中の人の見え方に変換します。
夜間には、光の欠如のために色やコントラストを見ることができません。これは、エリアを照らすか、ナイトバイザーを使用する必要があるため、後者は緑色のイメージを与えます。モノクロの視聴者を解決することで、誰もが昼間のように見える写真を見て撮ることができるようになり、戦術的な軍事偵察作業などに非常に役立ちます。
これを実現するために、研究者らは可視光と赤外光に敏感な単色カメラを使用して、標準の可視眼を覆うマルチスペクトル照明下で印刷された1つまたは複数の顔の画像のデータベースを取得しました。
その後、畳み込みニューラルネットワーク (U-Net) を最適化して、近赤外画像から可視スペクトルの画像を予測しました。そのアルゴリズムは、スペクトル光を使用したディープラーニングによって駆動されます。
シアン、マゼンタ、イエローのインクの分光反射スペクトルを知るために、Rainboy カラーパレットを印刷して波長を記録しました。次に、いくつかの画像を印刷し、モノクロカメラ（白黒）でマルチスペクトル照明の下に置き、画像に焦点を合わせた解剖顕微鏡に取り付けました。
彼らは、出版物""Labelted Faces in the Wild""で入手可能な200を超える人間の顔のライブラリを、キヤノンのプリンターとMCYKペイントで印刷しました。画像をさまざまな波長の下に配置し、単一波長または複合波長の照明画像からカラー (RGB) i画像を予測することに重点を置いた機械学習トレーニングで使用しました/i。
すべての実験で、彼らは機械学習の実用的なモデルに従いました。データベースを3つの部分に分割し、トレーニング用に140枚、検証用に40枚、テスト用に20枚を予約しました。異なるモデル間のパフォーマンスを比較するために、イメージの再構築に関するいくつかのメトリクスを評価しました。
研究者らは、この研究は、知覚できない近赤外照明から人間の可視スペクトルのシーンを予測するためのステップとして役立つと指摘しました。
彼らは、""高解像度画像の予測は、各インクの分光シグネチャよりも [マシンの] トレーニングコンテキストに依存していることを示唆している""と述べ、この作業は、1秒あたりに処理するフレーム数が依存する暗視ビデオのステップになるはずだ。
読み続ける: