2021年1月19日 机器视觉与计算机视觉技术

研究人员发现用于3D视觉的神经元

英国纽卡斯尔大学的科学家在昆虫大脑中发现了计算3D距离和方向的神经元。了解这些可能有助于提高和发展机器人视觉应用。

在第一次在显微镜下拍摄的令人惊叹的图像中,神经元在螳螂身上被发现。这项工作今天发表在Nature Communications上。

在一个特别设计的昆虫电影院里,螳螂戴上3D眼镜,观看模拟昆虫的3D电影,同时监测它们的大脑活动。当这种虫子的图像进入掠食性攻击的攻击范围时,科学家罗尼·罗斯纳(Ronny Rosner)博士能够记录下单个神经元的活动。

罗斯纳博士是纽卡斯尔大学神经科学研究所的研究员,也是该论文的主要作者。

他说:“这有助于我们解答昆虫是如何用如此微小的大脑实现令人惊讶的复杂行为的,理解这一点有助于我们开发更简单的算法,从而开发出更好的机器人和机器视觉。”

3D神经元

螳螂用三维感知,科学上称为立体视觉,来狩猎。通过利用两个视网膜之间的差异,它们能够计算距离,并在猎物触手可及时触发前腿的攻击。记录下来的神经元被染色,显示出它们的形状,这使得研究小组能够识别出四类可能与螳螂立体视觉有关的神经元。

用高倍显微镜拍摄的图像显示了神经细胞的树突状结构——神经细胞接收来自大脑其他部分的输入——这被认为是导致这种行为的原因。

罗斯纳博士解释说 :“尽管螳螂的大脑体积很小,但却含有数量惊人的神经元,这些神经元似乎专门用于三维视觉。这表明螳螂的深度感知比我们想象的要复杂。虽然这些神经元计算距离,但我们仍然不知道具体是如何计算的”。

“即便如此,由于它们的大脑比我们的大脑小得多,我们希望螳螂能帮助我们开发出更简单的机器视觉算法。”

这项更广泛的研究项目由勒沃休姆信托基金(Leverhulme Trust)资助,由纽卡斯尔大学(Newcastle University)视觉科学教授珍妮•里德(Jenny Read)领导。

她说 :“在某些方面,螳螂身上的特征与我们在灵长类动物视觉皮层中看到的相似。当我们看到两个完全不同的物种独立地进化出类似的解决方案时,我们知道这一定是解决3D视觉的一个很好的方法”。

“但我们也在3D视觉回路中发现了一些反馈回路,这在脊椎动物中还没有报道过。我们的3D视觉很可能包含类似的反馈回路,但在不那么复杂的昆虫大脑中,识别它们要容易得多,这为我们探索提供了新的途径。”

这是第一次有人在无脊椎动物的大脑中识别出特定的神经元类型,这些神经元与三维空间中的位置相协调。

纽卡斯尔大学的研究小组打算进一步发展他们的研究,以便更好地理解螳螂相对简单的大脑的计算,目的是开发更简单的机器和机器人视觉算法。

Banner
Related Posts

推动计算机视觉和视觉AI发展的四大关键趋势

2019年5月14日

2019年5月14日

本文讨论了推动视觉应用快速发展和影响行业未来的关键趋势,解释了这些趋势背后的推动因素,并强调了对技术供应商、解决方案开发者和最终用户的关键影响。

英特尔深度学习工具包OpenVINO

2019年3月5日

2019年3月5日

OpenVINO包括英特尔的深度学习部署工具包,其中包括一个模型优化器,可以从许多框架(Caffe,Tensoflow,MxNet,ONNX,Kaiai)导入和训练模型。

基于田间高光谱图像和机器学习估计芒果成熟度的光谱滤波器设计

2019年8月15日

2019年8月15日

本文旨在通过模拟几个具有不同真实光学滤波器的成像设备,开发一种新型滤波器选择方法,并利用高成本成像高光谱设备为特定应用设计一种成本较低的多光谱解决方案。

图像分类和目标检测技术有什么区别?

2020年5月20日

2020年5月20日

图像分类和目标检测技术是计算机视觉领域的重要研究方法。这些技术帮助机器理解和识别实时对象和环境,帮助数字图像作为输入。多年来,计算机视觉技术已经被应用于多个领域,包括医疗保健、制造业、零售业等等。

为什么数据科学在高级图像识别中很重要?

2020年1月17日

2020年1月17日

由于视觉和语音是两个至关重要的人类交互元素,数据科学能够利用计算机视觉和语音识别技术来模拟这些人类任务。即使它已经开始模仿和杠杆在不同的领域,特别是在电子商务部门。机器学习的进步和高带宽数据服务的使用增强了图像识别的应用。

深度学习“瓶颈”已至,计算机视觉如何突破困局?

2018年8月9日

2018年8月9日

从人工智能的发展过程看,深度学习是继专家系统之后人工智能应用的又一重要研究领域,也是人工智能和神经计算的核心研究课题之一。Alan Yuille认为,现在做AI不提神经网络,成果都很难发表了,这不是一个好势头。

利用计算机视觉和机器学习技术实现莴苣种植的精准化作业

2019年6月11日

2019年6月11日

Earlham Institute的研究人员开发了一个机器学习平台,使用计算机视觉和航拍图像对莴苣作物进行分类。

CMU的研究人员设计出利用计算机视觉来观察周围角落的新技术

2019年6月20日

2019年6月20日

未来的自动驾驶汽车和其他机器智能系统可能不需要视线来收集极其详细的图像数据:卡内基梅隆大学(Carnegie Mellon University)、多伦多大学(University of Toronto)和伦敦大学学院(University College London)的一项新研究设计出了一种“观察周围角落”的技术。

利用机器学习消灭撒哈拉以南非洲采采蝇

2018年8月9日

2018年8月9日

“我们将使用数据科学来创建一个基于机器学习的自动化系统,它可以从采采蛹中快速确定是雄性还是雌性,”Zsuzza Marka说。这一系统将成为机器人分拣机的基础,我们希望该机器最终将用于撒哈拉以南非洲地区,以减轻采采蝇的危害。”

图像处理中的深度学习技术

2018年8月9日

2018年8月9日

机器学习中的另一种技术是例如“超级矢量机”。与深度学习相比,必须手动定义和验证功能。在深度学习中,神经网络采用这一手动步骤:在训练过程中,独立地自动识别和提取特征。

新的过滤器增强了机器人对6D姿态评估的视觉感知能力

2019年8月7日

2019年8月7日

研究人员最近进行了一项关于6D物体姿态估计的研究,目的是开发一种过滤器,使机器人具有更强的空间感知能力,从而能够更准确地操纵物体和在空间中导航。

计算机视觉究竟是个怎样的行业?

2019年6月20日

2019年6月20日

5月1日外媒消息,微软刚刚发布了 Windows Vision Skills 的预览版本,是一个 NuGet 包集合。

神经科学与计算机视觉合作可以更好的理解视觉信息处理

2019年5月8日

2019年5月8日

神经科学家和计算机视觉科学家表示,一个空前庞大的新数据集将帮助研究人员更好地理解大脑是如何处理图像的。

增强的机器人“视觉”能够与人类进行更自然的互动

2019年5月9日

2019年5月9日

在伦斯勒理工学院(Rensselaer Polytechnic Institute)的智能系统实验室里,一个名叫Pepper motors的机器人睁大了眼睛,说话轻声细语。其中一名研究人员对“小辣椒”进行了测试,当“小辣椒”准确描述自己在做什么的时候,它会做出各种各样的手势。当他交叉双臂时,机器人从他的肢体语言中识别出有什么不对劲。

计算机视觉的最佳图像注释平台

2019年5月10日

2019年5月10日

我们一直在寻找最佳的图像注释平台,该平台提供多种功能、项目管理工具和注释过程的优化(当您需要注释50k图像时,每个图像减少1秒钟!)。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注