洛桑聯(lián)邦理工學(xué)院的研究人員開發(fā)了一種機器學(xué)習(xí)方法,可以比免學(xué)習(xí)計算方法更準確地壓縮圖像數(shù)據(jù),并可應(yīng)用于視網(wǎng)膜植入物和其他感覺假體。
開發(fā)更好的神經(jīng)假體的一個主要挑戰(zhàn)是感覺編碼:將傳感器從環(huán)境中捕獲的信息轉(zhuǎn)換為神經(jīng)系統(tǒng)可以解釋的神經(jīng)信號。但由于假體中的電極數(shù)量有限,因此必須以某種方式減少這種環(huán)境輸入,同時仍然保持傳輸?shù)酱竽X的數(shù)據(jù)的質(zhì)量。
Demetri Psaltis(光學(xué)實驗室)和 Christophe Moser(應(yīng)用光子器件實驗室)與 Hôpital ophtalmique Jules-Gonin 基金會 Asile des Aveugles(前 EPFL 神經(jīng)工程美敦力主席)的 Diego Ghezzi 合作,將機器學(xué)習(xí)應(yīng)用于壓縮問題具有多個維度的圖像數(shù)據(jù),例如顏色、對比度等。在他們的例子中,壓縮目標是下采樣,或減少通過視網(wǎng)膜假體傳輸?shù)膱D像的像素數(shù)量。
“視網(wǎng)膜植入物的下采樣目前是通過像素平均來完成的,這本質(zhì)上是圖形軟件在想要減小文件大小時所做的事情。但歸根結(jié)底,這是一個數(shù)學(xué)過程;不涉及學(xué)習(xí),”Ghezzi解釋說。
“我們發(fā)現(xiàn),如果我們應(yīng)用基于學(xué)習(xí)的方法,我們在優(yōu)化感覺編碼方面會得到更好的結(jié)果。但更令人驚訝的是,當我們使用不受約束的神經(jīng)網(wǎng)絡(luò)時,它學(xué)會了自己模仿視網(wǎng)膜處理的各個方面。”
具體來說,研究人員的機器學(xué)習(xí)方法(稱為演員模型框架)特別擅長找到圖像對比度的“最佳點”。Ghezzi 以 Photoshop 為例。“如果你將對比度滑塊在一個或另一個方向上移動得太遠,圖像就會變得更難看清。我們的網(wǎng)絡(luò)進化了過濾器來再現(xiàn)視網(wǎng)膜處理的一些特征。”
標簽:
免責(zé)聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!