Maison / Technologie / L’apprentissage automatique façonne les micro-ondes pour les yeux d’un ordinateur

L’apprentissage automatique façonne les micro-ondes pour les yeux d’un ordinateur

L'apprentissage automatique façonne les micro-ondes pour les yeux d'un ordinateur

Dans un nouveau type d’identification d’objet, une source d’ondes radio (panneau arrière) crée un front d’onde (panneau central) qui est façonné par un écran de métamatériaux qui permet aux ondes de passer à certains endroits mais pas à d’autres (panneau avant). L’apprentissage automatique trouve ensuite les formes d’onde qui illuminent les caractéristiques les plus utiles d’un objet. La méthode améliore la précision tout en réduisant le temps de calcul et les besoins en énergie. Crédit: Mohammadreza Imani, Duke University

Les ingénieurs de l’Université Duke et de l’Institut de Physique de Nice en France ont développé une nouvelle méthode pour identifier les objets à l’aide de micro-ondes qui améliore la précision tout en réduisant le temps de calcul et les besoins en énergie associés.

Le système pourrait stimuler objet identification et vitesse dans des domaines où les deux sont essentiels, tels que les véhicules autonomes, les contrôles de sécurité et la détection de mouvement.

La nouvelle approche d’apprentissage automatique élimine les intermédiaires, sautant l’étape de création d’une image pour l’analyse par un humain et analysant directement les données pures. Il détermine également conjointement les paramètres matériels optimaux qui révèlent les données les plus importantes tout en découvrant simultanément les données les plus importantes. Dans une étude de preuve de principe, la configuration a correctement identifié un ensemble de nombres 3D en utilisant des dizaines de mesures au lieu des centaines ou des milliers généralement nécessaires.

Les résultats paraissent en ligne le 6 décembre dans la revue Sciences avancées et sont une collaboration entre David R. Smith, professeur émérite James B. Duke de génie électrique et informatique à Duke, et Roarke Horstmeyer, professeur adjoint de génie biomédical à Duke.

“Les schémas d’identification d’objets prennent généralement des mesures et se donnent la peine de créer une image que les gens pourront regarder et apprécier”, a déclaré Horstmeyer. “Mais c’est inefficace car l’ordinateur n’a pas du tout besoin de” regarder “une image.”

“Cette approche contourne cette étape et permet au programme de capturer les détails qu’un processus de formation d’image pourrait manquer tout en ignorant les autres détails de la scène dont il n’a pas besoin”, a ajouté Aaron Diebold, assistant de recherche au laboratoire de Smith. “Nous essayons essentiellement de voir l’objet directement des yeux de la machine.”

Dans l’étude, les chercheurs utilisent une antenne de métamatériaux qui peut sculpter un front d’onde micro-ondes en de nombreuses formes différentes. Dans ce cas, le métamatériau est une grille de carrés 8×8, dont chacun contient des structures électroniques qui lui permettent d’être réglé dynamiquement pour bloquer ou transmettre des micro-ondes.

L'apprentissage automatique façonne les micro-ondes pour les yeux d'un ordinateur

Un exemple d’un motif d’onde (à droite) et de ses niveaux d’intensité (à gauche) développé par l’algorithme d’apprentissage automatique pour éclairer au mieux les caractéristiques les plus importantes d’un objet en cours d’identification. Crédit: Mohammadreza Imani, Duke University

Pour chaque mesure, le capteur intelligent sélectionne une poignée de carrés pour laisser passer les micro-ondes. Cela crée un motif micro-ondes unique, qui rebondit sur l’objet à reconnaître et retourne à une autre antenne de métamatériau similaire. L’antenne de détection utilise également un motif de carrés actifs pour ajouter d’autres options pour façonner les ondes réfléchies. L’ordinateur analyse ensuite le signal entrant et tente d’identifier l’objet.

En répétant ce processus des milliers de fois pour différentes variations, le algorithme d’apprentissage automatique découvre finalement quelles informations sont les plus importantes ainsi que les paramètres sur les antennes d’émission et de réception qui sont les meilleurs pour les recueillir.

“L’émetteur et le récepteur agissent ensemble et sont conçus ensemble par l’algorithme d’apprentissage automatique”, a déclaré Mohammadreza Imani, assistant de recherche au laboratoire de Smith. “Ils sont conçus et optimisés conjointement pour capturer les fonctionnalités pertinentes à la tâche à accomplir.”

“Si vous connaissez votre tâche, et vous savez à quel genre de scène vous attendre, vous n’aurez peut-être pas besoin de saisir toutes les informations possibles”, a expliqué Philipp del Hougne, stagiaire postdoctoral à l’Institut de Physique de Nice. “Cette co-conception de la mesure et du traitement nous permet d’utiliser toutes les connaissances a priori que nous avons sur la tâche, la scène et les contraintes de mesure pour optimiser l’ensemble du processus de détection.”

Après la formation, l’algorithme d’apprentissage automatique a atterri sur un petit groupe de paramètres qui pourraient l’aider à séparer le blé des données de l’ivraie, réduisant le nombre de mesures, le temps et la puissance de calcul dont il a besoin. Au lieu des centaines, voire des milliers de mesures généralement requises par les systèmes d’imagerie micro-ondes traditionnels, il pourrait voir l’objet en moins de 10 mesures.

Que ce niveau d’amélioration atteigne ou non des applications de détection plus complexes est une question ouverte. Mais les chercheurs tentent déjà d’utiliser leur nouveau concept pour optimiser la reconnaissance des mouvements des mains et des gestes pour les interfaces informatiques de nouvelle génération. Il existe de nombreux autres domaines où des améliorations four micro onde la détection est nécessaire, et la petite taille, le faible coût et la facilité de fabrication de ces types de métamatériaux en font des candidats prometteurs pour les futurs dispositifs.

“Les micro-ondes sont idéales pour des applications telles que la détection de menaces cachées, l’identification d’objets sur la route pour les voitures sans conducteur ou la surveillance des urgences dans les résidences-services”, a déclaré M. del Hougne. “Lorsque vous pensez à toutes ces applications, vous avez besoin que la détection soit aussi rapide que possible, nous espérons donc que notre approche se révélera utile pour faire de ces idées des réalités fiables.”


Le microscope d’apprentissage automatique adapte l’éclairage pour améliorer le diagnostic


Plus d’information:
Philipp Hougne et al, Learned Integrated Sensing Pipeline: Reconfigurable Metasurface Transceivers as Trainable Physical Layer in an Artificial Neural Network, Sciences avancées (2019). DOI: 10.1002 / advs.201901913

Fourni par
université de Duke

Citation:
                                                 L’apprentissage automatique façonne les micro-ondes pour les yeux d’un ordinateur (2020, 9 janvier)
                                                 récupéré le 9 janvier 2020
                                                 depuis https://techxplore.com/news/2020-01-machine-microwaves-eyes.html

Ce document est soumis au droit d’auteur. Hormis toute utilisation équitable aux fins d’études ou de recherches privées, aucune
                                            une partie peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.

Source

A propos newstrotteur-fr

Découvrez également

SUPER CRUSH KO Review: Combos et couleurs à gogo!

Source

Laisser un commentaire