CMOS图像传感器同时感知和处理光学图像

CMOS图像传感器同时感知和处理光学图像

概述

近年来，机器视觉技术有了巨大的飞跃，现在已经成为各种智能系统的一个组成部分，包括自主车辆和机器人。通常，视觉信息由基于帧的摄像机捕获，转换成数字格式，然后使用机器学习算法（如人工神经网络（ANN）1）进行处理。然而，大量（大多是冗余）数据通过整个信号链，导致低帧速率和高功耗。为了提高人工神经网络中后续信号处理的效率，人们发展了各种可视化数据预处理技术。在这里，我们证明图像传感器本身可以构成一个神经网络，它可以同时感知和处理光学图像，而无需延迟。我们的装置是基于一个可重构的二维（2D）半导体光电二极管阵列，网络的突触重量存储在一个连续可调的光响应矩阵中。我们演示了有监督和无监督学习，并训练传感器对光学投影到芯片上的图像进行分类和编码，其吞吐量为每秒2000万箱。

摄像头 CMOS 构成一个神经网络，它可以同时感知和处理光学图像
作为各家厂商比拼的重点，今天手机上的摄像头已经做到了一亿像素，而摄像头感光器件也是典型的半导体芯片，本质是二极管，这类精密的结构用来做神经网络运算效果如何？最新一期《自然》杂志上的研究告诉我们：速度是传统处理方法的上千倍。
对于计算机视觉，镜头是它的眼睛，获取丰富的视觉信息后就可以传递给处理单元，并依靠它实现各种视觉能力。这是 CV最常规的范式，也最符合我们的直觉，但是你会发现有两大问题。
首先，从镜头传递信息给处理单元，这一步并不简单，尤其是在使用云计算的情况下，这都怪视觉信息太丰富了。其次，处理单元的工作也不简单，计算量庞大的视觉模型常常让人望而却步。
而在这篇 Nature 最新研究中，研究者表明图像传感器本身也可以「印刻」神经网络，它能同时担当感光与处理图像这两大功能，且还没有延迟。更重要的是，这种机器

视觉芯片比传统卷积神经网络要快上千倍。只要一块芯片，相机秒变智能终端。

 与人脑一样，新芯片能以纳秒级的速度感知、分类简单的图像。

除了快以外，因为芯片采用的基本元件是光电二极管，只依靠光就能「发电」并完成计算，运行速度受限于电路中电子的速度。
目前，这项由维也纳科技大学提交的研究已发表在 3 月 4 号的《Nature》杂志上。

为芯片印刻神经网络

为了将神经网络「印刻」到图像传感器上，研究者在芯片上构造了一种光电二极管网络，这些光电二极管非常微小，且对光非常敏感。我们可以通过改变电压来增加或减少每个二极管对光的响应，从而调整每个二极管的灵敏度。
实际上，这些光电传感器网络就等同于神经网络，它们能够执行简单的计算任务。改变光电二极管的光响应强度会改变网络中的连接强度，也就类似于神经网络中的权重。因此，该芯片巧妙地将光学传感与神经形态计算相结合。

 a 为神经网络的二极管阵列，具有相同颜色的子像素会并联在一起；b 为光电二极管阵列中单个像素的电路图；c 与 d 就是我们熟悉的神经网络模型，它们可以「内嵌」到该芯片中。

传感器是由一组像素组成，且每个像素代表一个神经元。同时，每个像素再依次由若干个子像素组成，每个子像素代表一个突触。每个光电二极管都基于一层二硒化钨 ( tungsten diselenide )，是一种对光有响应且可调的二维半导体。这种可调节的光响应度就类似于神经网络中的权重。
研究者表示，将光电二极管排列成 9 个像素的方阵，每个像素带有3 个二极管。当某张图像的光线映射到芯片后，会产生、组合各种二极管电流，从而完成硬件阵列提供的模拟计算形式。也就是说，只要感受到光，片上「神经网络」就开始计算了。
训练神经网络
整个阵列可以进行训练以执行视觉任务，因为阵列产生的电流与预测电流中的不一致，研究者可以在计算机上分析并调整权重，从而更新芯片上的神经网络。虽然训练过程中是需要时间与计算资源的，但一旦训练完成，芯片将能急速地处理视觉任务。
科学家基于这些光电二极管间的连接方式创建了一个神经网络，并且可以训练这些神经网络将图像分类为字母「n」「v」或「z」。
「我们的图像传感器不会在工作时消耗任何电能。」Mennel 说，「被感知的光子会提供电流。」

 在实验中，研究者使用激光来投影「v」和「n」到神经网络图像传感器中。传统的计算机视觉技术通常能在每秒处理 100 帧，可能一些更快的系统能够每秒处理 1000 帧。Mennel 表示，相比之下，「我们的系统差不多能每秒处理 2000 万帧。

 a 为训练分类器与自编码器的实验配置，b 为用于测量 time-resolved 的实验设置，c 为光学实验的近景照片。

Mennel 提到，系统运行的速度只受限于芯片中电子的速度。原则上，这一策略在皮秒内就可以完成，比现有的视觉方法快 3 到 4 个量级。
除了字母识别与分类模型，研究者在实验中还测试了自编码器模型。该模型在存在信号噪声的情况下，传感器计算阵列也可以学习图像的关键特征，并解码以构建接近原始图像的生成图。只要训练完成，这种无监督生成模型的推断速度同样非常快。

所以，芯片到底有什么用？
这样的传感器有什么用途呢？「在这一阶段，这一技术主要用于特定的科学研究，如流体动力学、燃烧进程、或机械故障处理。」Mennel说，「对于更复杂的任务，如自动驾驶中的机器视觉，我们可能需要更高的复杂度。」
在投入实际应用前，这种感光+计算的芯片还有很长的路要走。对于真实视觉信息而言，它还包含三维信息、动态图像以及视频的时间轴等。而当前的图像感知技术都只能将三维压缩到二维，芯片也就丢失了很多信息。
与此同时，作者表示，芯片昏暗条件下需要重新设计，以增加可检测的光强度范围。这种「重新设计」需要高压并消耗大量能源。最后就是半导体制作能力了，这种超薄半导体难以大面积生产，且难以加工。
不过尽管面临着重重阻碍，但将神经网络与感光能力结合到一起，在感光的同时产生电流，在产生电流的同时完成视觉任务，这样的芯片还是非常有意思。