Metodo per stimare la profondità, il flusso ottico e altre informazioni semantiche su dispositivi a basso consumo di potenza. Immagini a bassa risoluzione acquisite da una singola camera sono processate da una rete neurale convoluzionale addestrata mediante apprendimento auto-supervisionato
| Titolo brevetto | Metodo per la stima della profondità da un'immagine singola e relativo sistema |
|---|---|
| Area | Industria, Digitale e Sicurezza |
| Titolarità | POLITECNICO DI TORINO, ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA |
| Inventori | Valentino Peluso, Antonio Cipolletta, Andrea Calimera, Matteo Poggi, Stefano Mattoccia, Fabio Tosi, Filippo Aleotti |
| Ambito territoriale di tutela | Italia |
| Stato | Disponibile per accordi di sviluppo, opzione, licenza e altri accordi di valorizzazione |
| Keywords | Sensori Monoculari, Immagini a bassa risoluzione, Dispositivi a basso consumo di potenza, Reti neurali profonde, Sistemi Embedded |
| Depositato il | 24 marzo 2021 |
La stima di profondità e flusso ottico di una scena è fondamentale in diverse applicazioni di visione artificiale. Una tendenza recente mira a dedurre questi segnali da una singola telecamera per semplificare il sistema e consentirne l’utilizzo in contesti applicativi caratterizzati da stringenti vincoli di costo e dimensione.
L’invenzione consiste in una minuscola rete neurale convoluzionale in grado di elaborare immagini a bassa risoluzione per ottenere informazioni semantiche grossolane della scena osservata. La rete può funzionare su unità microcontrollore standard con requisiti di alimentazione minimi (poche centinaia di mW). Tuttavia, è sufficientemente accurata da fungere da spina dorsale di molte applicazioni IoT come il monitoraggio delle persone, il monitoraggio del traffico e sistemi di monitoraggio per la tutela della privacy. Inoltre, la rete è addestrata in modo auto-supervisionato; quindi, non richiede costose annotazioni durante la fase di addestramento.
Applicazioni:
- Sistemi di controllo di prossimità
- Sistemi di tracciamento
- Sistemi di monitoraggio del traffico
- Sistemi di monitoraggio a tutela della privacy
- Realtà aumentata e virtuale
Vantaggi:
- Estrazione di informazione semantica da una singola immagine
- Apprendimento auto-supervisionato
- Compatibile con dispositivi mobili alimentati a batteria
- Economicità di produzione