連日來機器學習為計算機的眼睛形成微波向來一不斷的有小伙伴關注，不僅如此還衍生出了各大相關話題，那么跟著小編來看看機器學習為計算機的眼睛形成微波以及它的相關資訊吧！

來自杜克大學和法國尼斯體格研究所的工程師們開辟了一種利用微波來識別物體的新方法，這種方法提高了準確性，同時減少了相關的計算時間和功率需求。

該系統(tǒng)可以在自動駕駛汽車、安全掃描和運動傳感等關鍵領域提高目標識別和速度。

新的機器學習方法省去了中間環(huán)節(jié)，跳過了創(chuàng)建供人工分析的圖像的步驟，而是直接分析純數(shù)據(jù)。它還聯(lián)合確定最優(yōu)硬件設置，顯示最重要的數(shù)據(jù)，同時發(fā)現(xiàn)最重要的數(shù)據(jù)實際上是什么。在一項原理驗證研究中，該裝置通過數(shù)十次測量正確識別了一組三維數(shù)字，而不是通常需要的數(shù)百或數(shù)千次測量。

研究結(jié)果發(fā)表在12月6日的《先進科學》(Advanced Science)雜志網(wǎng)絡版上，是杜克大學(Duke)電子與計算機工程杰出教授戴維·r·史密斯(David R. Smith)與杜克大學生物醫(yī)學工程助理教授羅克·霍斯特梅爾(Roarke Horstmeyer)的合作成果。

霍斯特邁耶說:“物體識別系統(tǒng)通常需要進行測量，然后費盡周詳?shù)刂谱鞒龉┤藗冇^看和觀賞的圖像?！薄暗@是低效的，因為電腦根本不需要‘看’一幅圖像?！?/p>

史密斯實驗室的研究助理亞倫·迪堡德補充說:“這種方法繞過了這一步，同意 程序捕捉圖像形成過程可能漏掉的細節(jié)，同時忽略它不需要的場景的其他細節(jié)?！薄拔覀兓旧鲜窃噲D從機器的眼睛直接看到物體?！?/p>

在這項研究中，研究人員使用了一種超材料天線，可以將微波波陣面塑造成許多不同的形狀。在這種情況下，超材料是一個8x8的正方形網(wǎng)格，每個網(wǎng)格都包含電子結(jié)構，可以動態(tài)調(diào)整來阻撓或傳輸微波。

對于每一次測量，智能傳感器都會選擇一些正方形讓微波通過。這就產(chǎn)生了一種獨特的微波模式，它會從被識別的物體上反彈回來，并返回到另一個類似的超材料天線上。傳感天線還使用了一個活動的正方形圖案來添加更多的選項來塑造反射波。然后計算機分析輸入信號并試圖識別目標。

通過對不同的變化重復這個過程數(shù)千次，機器學習算法最終會發(fā)現(xiàn)哪些信息是最重要的，以及發(fā)送和接收天線上的哪些設置最適合收集這些信息。

史密斯實驗室的研究助理Mohammadreza Imani說:“發(fā)射器和接收器一起工作，由機器學習算法共同設計?！薄八鼈兪锹?lián)合設計和優(yōu)化的，以捕捉與當前任務相關的特性?！?/p>

“如果你知道你的任務，你知道會浮現(xiàn)什么樣的場景，你可能不需要捕捉所有可能的信息，”法國尼斯體格研究所(Institut de de Nice)博士后菲利普·德爾霍尼(Philipp del Hougne)說?！斑@種測量和處理的協(xié)同設計使我們能夠利用關于任務、場景和測量約束的所有先驗知識來優(yōu)化整個傳感過程。”

經(jīng)過訓練后，機器學習算法落在一小組設置上，這些設置可以幫助它將數(shù)據(jù)的“小麥”從“谷殼”中分離出來，從而減少了所需的測量次數(shù)、時間和計算能力。傳統(tǒng)微波成像系統(tǒng)通常需要數(shù)百甚至數(shù)千次的測量，而現(xiàn)在它可以在不到10次的測量中看到物體。

這種水平的改進是否會擴展到更復雜的傳感應用領域，這是一個懸而未決的問題。但研究人員已經(jīng)在嘗試使用他們的新概念來優(yōu)化下一代計算機界面的手部動作和手勢識別。還有許多其他領域需要改進微波傳感，而這些類型的超材料體積小、成本低且易于創(chuàng)造，使它們成為未來器件的有希翼的候選者。

del Hougne說:“微波非常適合應用于隱蔽的威脅探測、識別道路上無人駕駛汽車的目標，或者監(jiān)測生活輔助設施的緊急情況?！薄爱斈憧紤]所有這些應用時，你需要盡可能快地感知，所以我們希翼我們的方法將被證明是實用的，使這些想法成為可靠的現(xiàn)實?！?/p>