约翰内斯-开普勒大学的三人研究小组利用人工智能改善了热成像相机对森林中迷路人员的搜索。David Schedl、Indrajit Kurmi和Oliver Bimber在发表在《Nature Machine Intelligence》杂志上的论文中，描述了他们如何应用深度学习网络来解决人们在森林中迷路的问题，以及它的效果如何。 当人们在森林中迷路时，搜救专家会使用直升机在最有可能被发现的区域上空飞行，除了简单地扫描下面的地面，搜救人员还使用双筒望远镜和热成像相机来辅助查找，因此相机最好能够突出地面上的人与周围环境的体温差异，使他们更容易被发现。但在某些情况下，由于植被覆盖了土壤，或者太阳将树木加热到与失联者体温相近的温度，热成像就无法达到预期的效果。在这项新研究中，研究人员试图通过使用深度学习来解决这些问题，以改善热成像质量。  该团队开发的解决方案使用人工智能来处理一个给定区域的多幅图像。他们将其比作使用人工智能处理多个射电望远镜的数据。这样做可以让几台望远镜作为一台大型望远镜来运行。同样，他们使用的人工智能应用也让从直升机（或无人机）拍摄的多张热图像创建了一个图像，就像由一个镜头大得多的相机拍摄的一样。经过处理后，生成的图像具有更高的景深，其中树木的顶部显得模糊不清，而地面上的人则变得更容易辨认。为了训练人工智能系统，研究人员必须创建自己的图像数据库。他们使用无人机以各种姿势拍摄地面上志愿者的照片。 对该系统的测试显示，它的准确率约为87%至95%，而传统热图像的准确率仅为25%。研究人员表示，他们的系统可以供搜救人员使用，也可以供军队或野生动物管理团队使用。 论文标题为《Search and rescue with airborne optical sectioning》。 |
/1 
