澳洲業者BrainChip宣布採用其棘波神經處理器(spiking neural processor)技術,開發了自主性視覺特徵提取(Autonomous Visual Feature Extraction,AVFE)系統。

BrainChip的神經網路處理器被稱為SNAP,採用訊號棘波來傳輸資料,以及一種叫做棘波時機相關可塑性(Spike Time Dependent Plasticity,STDP)的學習方法。AVFE是一項突破,證明能從視覺資料流進行無人監督的學習,可應用於諸如自動駕駛車輛與無人機的防碰撞功能。

根據BrainChip所提供的資料,SNAP上的AVFE每秒能處理100萬個視覺事件,而且能在幾秒鐘學習並辨別資料流中的圖形;SNAP/AVFE是以該公司向瑞士開發商Inilabs採購的Davis 動態視覺感測器(Dynamic Vision Sensor),做為串流數位視訊資料的來源。

Davis 動態視覺感測器是一種人工視網膜,擁有與SNAP相同的位置事件表現(Address Event Representation,AER)介面;並非將視訊訊框輸出,每個畫素只要在對比(contrast)變化時就會輸出一個或更多棘波。

![20160307_BrainChip_NT02P1](//images.contentful.com/15mr7p4rjmth/5kPh4RiQ8gsQ4goWG46McK/8c8c34a65c81652934c8b8a82ef40820/20160307_BrainChip_NT02P1.jpg)
AVFE 系統架構

執行於SNAP上並連結至一個恰當視訊來源的AVFE潛在應用,包括車輛以及無人機內的防碰撞系統、異常狀況檢測、保全與醫療成像等等。

該系統最初對於輸入資料流內容並無所知,會藉由重複性與強度自主學習,並開始找到影像串流內的圖形;影像串流可以是由視覺影像感測器(如Davis人工視網膜)所產生,或是經過恰當設計的雷達或超音波來源設備。

AVFE已經在美國加州帕沙迪那(Pasadena)的高速公路上進行過測試,持續運作了78.5秒,SNAP棘波神經網路學習辨別車輛並開始即時計算其數量。

![20160307_BrainChip_NT02P2](//images.contentful.com/15mr7p4rjmth/2MIIO39xGoCKaMOwqo8mSI/1d8cb28154249cd175e49d9251e14482/20160307_BrainChip_NT02P2.jpg)
以Inilabs的Davis視網膜晶片擷取的視覺影像,顯示在高速公路上移動的車流 (圖片來源:BrainChip)

BrainChip執行長、SNAP神經處理器的發明人Peter van der Made表示:「我們對於此大幅度進展感到非常興奮,展現了BrainChips的神經處理器SNAP能在無人類監督的情況下,從視覺饋入擷取資訊並學習。」

編譯:Judith Cheng

(參考原文: Neural Network Teaches itself to Count Cars,by Peter Clarke)