Исследователи из Чанчуньского политехнического университета Китайской академии наук разработали новый метод автофокуса, использующий возможности глубокого обучения для динамического выбора областей интереса на черно-белых изображениях. Результаты работы опубликованы в журнале Sensors.
Традиционные методы автофокуса делятся на активные и пассивные. Активные методы используют внешние сенсоры, что увеличивает стоимость и сложность, тогда как пассивные методы оценивают качество изображения, что может приводить к ошибкам, особенно в сложных сценах.
В новом подходе исследователи создали обширный набор данных с последовательностями черно-белых изображений и применили методы глубокого обучения для адаптивного фокуса на значимых областях. Использование сети MobileViT с линейным механизмом самовнимания позволило достичь высокой точности фокусировки при минимальных вычислительных затратах.
Эксперименты показали, что стратегия полного поиска достигла средней абсолютной ошибки 0.094 за 27.8 миллисекунд, а стратегия предсказания одного кадра — ошибки 0.142 за 27.5 миллисекунд, что подчеркивает высокие результаты нового метода.
