Statistical Visual Computing Lab, UC San Diego
Para que os carros autónomos possam circular nas estradas em segurança, é essencial que consigam ver os peões. Investigadores criaram um novo algoritmo que consegue fazer isso com metade dos erros dos sistemas utilizados actualmente.
Muitos carros actuais já têm sistemas que conseguem identificar peões, mas a tarefa de os identificar não é nada fácil.
Bastará imaginar que estes sistemas têm que identificar pessoas de diferentes dimensões, a diferentes distâncias, em andamento e paradas, sozinhas ou em multidões, parcialmente obstruídas por veículos ou outros objectos, com roupas de todas as cores e feitios imagináveis, e em locais que serão também completamente imprevisíveis.
Ainda assim, os sistemas actuais fazem isto por pura força bruta, procurando por elementos característicos de “pessoas” em toda a imagem – ou pouco ao estilo do que uma câmara digital faz para detectar o rosto de uma pessoa.
Mas agora uma equipa da Universidade da Califórnia diz ter criado um novo sistema mais eficiente, capaz de detectar pessoas com muito mais qualidade, e dando uso à tecnologia da moda: o deep learning.
O Deep Learning é um sistema de inteligência artificial cujas capacidades incluem a detecção de objectos numa imagem, bastando para isso dar-lhe milhares (ou milhões) de imagens de exemplo, para que ele “aprenda”.
O problema é que este sistema é bastante complexo e exige hardware bastante potente para funcionar a velocidades apropriadas para um veículos em movimento.
Assim, a solução foi criar um sistema misto, onde primeiro se faz uma análise mais grosseira que determinará quais as zonas da estrada que se pode descartar com segurança (céu, edifícios, etc.) e depois aplicar o reconhecimento apenas às áreas onde potencialmente poderão existir peões.
Desta forma, o sistema pode funcionar a velocidades bastante mais rápidas – e eventualmente ser aproveitado pelos fabricantes de carros autónomos.
