2022 年 5 月，科學(xué)家們發(fā)布了一張圖像，盡管它的視覺簡單，但讓所有看過它的人都感到驚訝：這是第一張黑洞的“真實”圖像。但這不是一張簡單的照片。它是一系列部分圖像的合成，這些部分圖像使用一種復(fù)雜的基于人工智能的圖像處理（稱為稀疏建模-Sparse Modeling）組合在一起。雖然深度學(xué)習(xí)在使用 AI 的圈子中得到了很多關(guān)注，但稀疏建模為嵌入式視覺提供了另一種改進(jìn)圖像系統(tǒng)的方法，并且它具有獨特的優(yōu)勢。

嵌入式視覺是指在專門設(shè)計的更大系統(tǒng)中使用“嵌入”相機(jī)和處理單元。這些較小的嵌入式系統(tǒng)可以使用人工智能來自動化某些任務(wù)，從而消除人工干預(yù)的必要性。在一種眾所周知的人工智能形式的示例中，深度學(xué)習(xí)，這些算法在大型數(shù)據(jù)集上進(jìn)行訓(xùn)練，以便通過將圖像與其他圖像的大型庫進(jìn)行比較來理解和分類圖像包含的所有信息。這種圖像處理功能非常強(qiáng)大，但也有其缺點。一個重要的缺點是它需要大量的計算資源。

稀疏建模（另一種基于人工智能的圖像處理形式）的吸引力在于，由于其更具針對性的性質(zhì)，它減少了所需的計算資源。部分受當(dāng)代解剖學(xué)工作的啟發(fā)，即視神經(jīng)首先捕獲涉及相對較少神經(jīng)元的“稀疏”圖像，稀疏建模使用統(tǒng)計學(xué)和信息論來實現(xiàn)嵌入式視覺的好處，同時最大限度地減少密集計算機(jī)建模所涉及的成本. 使用往往位于算法訓(xùn)練對象邊緣的模式，稀疏建模可以以更少的成本重建和理解更多內(nèi)容。

與使用大型數(shù)據(jù)集和大量原始計算能力來預(yù)測它正在查看的內(nèi)容的深度學(xué)習(xí)不同，稀疏建模使用最小的數(shù)據(jù)集來比較它所使用的每個數(shù)據(jù)集的某些重要方面。出于這個原因，它在您確切知道嵌入式視覺系統(tǒng)將看到什么的應(yīng)用程序中更有用，因此它可以專門用于較小的對象子集。由于這個目標(biāo)，稀疏建模不需要額外的硬件，例如 GPU；相反，它可以很容易地集成到您現(xiàn)有的系統(tǒng)中。

因此，集成進(jìn)更小的系統(tǒng)的能力使得稀疏建模更適合嵌入式視覺等應(yīng)用程序。稀疏建模不需要額外的硬件，例如 GPU；相反，它可以很容易地集成到您現(xiàn)有的系統(tǒng)中。因此，插入更小的系統(tǒng)的能力使得稀疏建模更適合嵌入式視覺等應(yīng)用程序。稀疏建模不需要額外的硬件，例如 GPU；相反，它可以很容易地集成到您現(xiàn)有的系統(tǒng)中。因此，插入更小的系統(tǒng)的能力使得稀疏建模更適合嵌入式視覺等應(yīng)用程序。

稀疏建模的使用范圍從普通到深奧。例如，它用于面部識別軟件以及一些自動駕駛自動化系統(tǒng)。更抽象地說，稀疏建模已被用于“自然圖像的分類”和“藝術(shù)風(fēng)格的量化”等不同的上下文中。稀疏建模也因其靈活性和易于訓(xùn)練這些模型而在制造和醫(yī)療領(lǐng)域找到了用途。未來，用于分析視覺信息的稀疏建模將隨著我們對人眼功能的理解而發(fā)展。一些科學(xué)家甚至試圖使用稀疏模型來了解我們太陽系之外的行星！結(jié)合嵌入式視覺，稀疏建模可以改變您今天的業(yè)務(wù)。