{"id":1251,"date":"2019-02-06T18:55:33","date_gmt":"2019-02-06T18:55:33","guid":{"rendered":"http:\/\/gotodata.com.br\/site\/?p=1251"},"modified":"2019-02-06T18:55:33","modified_gmt":"2019-02-06T18:55:33","slug":"se-meu-carro-andasse-sozinho","status":"publish","type":"post","link":"https:\/\/gotodata.com.br\/web\/se-meu-carro-andasse-sozinho\/","title":{"rendered":"Se meu carro andasse sozinho…"},"content":{"rendered":"

Processamento de imagens \u00e9 utilizado para viabilizar o desejo de ternos carros aut\u00f4nomos. <\/span><\/h3>\n

\"\"<\/a>Os carros aut\u00f4nomos, uma das maiores apostas entre as novas tecnologias, enfrentam um n\u00famero ilimitado de cen\u00e1rios criados pela realidade. As decis\u00f5es a serem tomadas resumem-se a basicamente quatro: acelerar, frear, virar \u00e0 direita, virar \u00e0 esquerda. O desafio \u00e9 qual escolher, em qual ordem, ap\u00f3s a leitura de um mundo capaz de oferecer uma infinita gama de acontecimentos.<\/span><\/p>\n

Pesquisadores da Universidade de Stanford apresentaram uma proposta h\u00edbrida de sistema capaz de lidar de forma mais eficiente com o problema. Eles constru\u00edram um novo tipo de c\u00e2mera com intelig\u00eancia artificial, capaz de classificar e identificar as imagens com mais rapidez e economia. E, melhor: \u00e9 um sistema com potencial para ser pequeno o suficiente para caber nos pr\u00f3prios sensores, o que n\u00e3o \u00e9 poss\u00edvel hoje. O estudo foi publicado <\/span>aqui<\/span><\/a>.<\/span><\/p>\n

Os autores da pesquisa juntaram dois tipos de computadores em um modelo h\u00edbrido \u00f3ptico e el\u00e9trico com foco em processamento de imagens. O sistema \u00e9 eficiente ao usar a c\u00e2mera \u00f3ptica para fazer um pr\u00e9-processamento da imagem, filtrando os resultados de forma m\u00faltipla (o que exigir\u00e1 um pesado algoritmo matem\u00e1tico, se feito apenas pelo computador). O filtro ocorre de forma natural, \u00e0 medida que a luz passa pelas lentes da c\u00e2mera, economizando tamb\u00e9m a energia necess\u00e1ria ao processamento. Energia que \u00e9 destinada ao segundo n\u00edvel do sistema, usado para fazer os c\u00e1lculos e as tomadas de decis\u00e3o. O resultado \u00e9 uma m\u00e1quina que faz menos c\u00e1lculos, usa menos mem\u00f3ria e energia.<\/span><\/p>\n

\u201c\u00c9 um sistema especialmente r\u00e1pido em sua tomada de decis\u00f5es, o que \u00e9 estrat\u00e9gico em tecnologias como os carros aut\u00f4nomos\u201d, comemora Gordon Wetztein, um dos autores do artigo. <\/span><\/p>\n

Para entender melhor o sistema, \u00e9 importante conhecer como se d\u00e1 o processamento de imagens. <\/span><\/p>\n

A t\u00e9cnica mais b\u00e1sica \u00e9 chamada de <\/span>edge detection<\/span><\/i>. A ideia central \u00e9 que os pixels de um determinado objeto ser\u00e3o relativamente parecidos. Por isso a palavra <\/span>edge<\/span><\/i>, que remete a borda. Uma vez determinadas todas as bordas dos objetos da imagem, \u00e9 poss\u00edvel identific\u00e1-los.<\/span><\/p>\n

Em uma rua, o algoritmo de <\/span>edge detection<\/span><\/i> \u00e9 capaz de identificar, com alguma facilidade, um carro em movimento. Por sua vez, se o sistema \u00e9 capaz de registrar e calcular a dist\u00e2ncia entre as lanternas traseiras, a redu\u00e7\u00e3o na dist\u00e2ncia entre elas indica que o ve\u00edculo est\u00e1 se distanciando, enquanto o aumento informa que ele est\u00e1 mais pr\u00f3ximo.<\/span><\/p>\n

A <\/span>edge detection<\/span><\/i> tem duas limita\u00e7\u00f5es: baixa performance em ambientes com pouca ilumina\u00e7\u00e3o ou contraste e a exig\u00eancia de muita informa\u00e7\u00e3o para a tomada de decis\u00f5es. O algoritmo \u00e9 obrigado a \u201cler\u201d todos a cena apenas para entender o que est\u00e1 acontecendo e, ent\u00e3o, agir.<\/span><\/p>\n

Uma t\u00e9cnica mais avan\u00e7ada \u00e9 a classifica\u00e7\u00e3o de imagens. O algoritmo j\u00e1 cont\u00e9m algumas caracter\u00edsticas e padr\u00f5es dos objetos. Ele j\u00e1 sabe, por exemplo, como deve ser um carro, uma pessoa ou uma placa de sinaliza\u00e7\u00e3o. Ele compara as informa\u00e7\u00f5es obtidas na c\u00e2mera com padr\u00f5es de cores, formas, tamanhos e outros par\u00e2metros, identificando o objeto e tomando as decis\u00f5es necess\u00e1rias. Uma placa de pare significa parar.<\/span><\/p>\n

A classifica\u00e7\u00e3o de imagens \u00e9 mais variada e complexa que a <\/span>edge detection<\/span><\/i>. O uso das camadas de interpreta\u00e7\u00e3o, propiciado pelas t\u00e9cnicas de Neural Networks, ajuda. Por exemplo, o computador pode perguntar se a imagem traz uma \u00e1rea vermelha, se esta \u00e1rea vermelha tem o formato de um oct\u00f3gono e se est\u00e1 escrito \u201cpare\u201d nesta \u00e1rea. Se as respostas s\u00e3o sim, \u00e9 prov\u00e1vel que seja uma placa de parada obrigat\u00f3ria. O Neural Network permite que cada pergunta esteja em um n\u00f3 da rede, sendo feita de forma paralela e espalhando-se em milhares de n\u00f3s.<\/span><\/p>\n

A realidade, entretanto, \u00e9 capaz de oferecer muito mais informa\u00e7\u00e3o que a capacidade dos sistemas atuais. Identificar uma placa j\u00e1 n\u00e3o \u00e9 f\u00e1cil, imagine os contextos desafiadores das ruas e avenidas dos grandes centros urbanos e sua multiplicidade de cen\u00e1rios. Os sistemas atuais ainda s\u00e3o grandes, lentos e consomem muita energia. <\/span><\/p>\n

Portanto sente, aperte os cintos e dirija com cuidado. Ainda demora um pouco at\u00e9 que possa aposentar sua carteira de habilita\u00e7\u00e3o.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Processamento de imagens \u00e9 utilizado para viabilizar o desejo de ternos carros aut\u00f4nomos. Os carros aut\u00f4nomos, uma das maiores apostas entre as novas tecnologias, enfrentam um n\u00famero ilimitado de cen\u00e1rios criados pela realidade. As decis\u00f5es a serem tomadas resumem-se a basicamente quatro: acelerar, frear, virar \u00e0 direita, virar \u00e0 esquerda. O desafio \u00e9 qual escolher, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[19,21],"tags":[89,177,219,179,15,221],"class_list":["post-1251","post","type-post","status-publish","format-standard","hentry","category-tecnologia","category-tendencias","tag-ai","tag-artificial-inteligence","tag-carros-autonomos","tag-ia","tag-inteligencia-artificial","tag-reconhecimento-de-imagem"],"jetpack_featured_media_url":"","_links":{"self":[{"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/posts\/1251"}],"collection":[{"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/comments?post=1251"}],"version-history":[{"count":0,"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/posts\/1251\/revisions"}],"wp:attachment":[{"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/media?parent=1251"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/categories?post=1251"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gotodata.com.br\/web\/wp-json\/wp\/v2\/tags?post=1251"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}