記者從西南大學了解到，該校研究團隊發布了基于二值量化的低秩張量恢復模型、理論與算法，有助于提升數據大規模傳輸的速度和精度，同時降低硬件成本，使得數據傳送、壓縮和保存的“性價比”更高。相關研究成果已由人工智能領域國際期刊《IEEE模式分析與機器智能匯刊》在線發表。
據論文通訊作者、西南大學數學與統計學院王建軍教授介紹，隨著人工智能技術應用的不斷拓展，圖像視頻處理、模式識別和計算機視覺等領域的數據傳輸量巨大。但受制于硬件成本與對數據傳輸速度的要求，目前常用的低秩張量恢復（LRTR）方法在數據大規模傳輸過程中無法實現信號高精度量化，由此產生的量化誤差對系統恢復性能帶來影響。針對這一問題，王建軍研究團隊提出了基于二值量化的低秩張量恢復模型、理論與算法，其原理是將二值測量方法與低秩張量恢復相結合，使得量化過程納入模型進行處理，從而有效控制量化誤差對系統恢復性能的影響，彌補已有算法的缺陷。
試驗結果表明，這一新算法在人臉圖像恢復和多光譜圖像恢復等實際應用中取得了更高的恢復精度，獲得的圖像數據更加清晰。新算法在降低數據傳輸的硬件成本的同時，數據處理速度也得到提高，使得更高“性價比”的數據傳送、壓縮和保存成為可能。
目前，王建軍研究團隊已與移動通信終端、醫療圖像處理等領域相關企業開展合作，推動國產移動終端技術更新，在醫療方面提升核磁造影的處理速度，降低經濟成本。新算法還有望與雷達成像技術結合，在氣象監測、地質勘探等領域發揮作用。
上一篇：科學認識探測火星的重要意義
【免責聲明】本文轉載自網絡，與科技網無關。科技網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。