《多视角环境中基于集合神经网络的目标识别》97页

为提高人工智能网络性能而进行的研究发现，更大、更复杂的网络往往能在目标检测方面产生更好的结果，而硬件的不断升级也使得开发更大、更复杂、性能更好的神经网络成为可能。然而，许多日常实用的设备，如无人机或智能手机，却无法使用最先进的神经网络，因为它们根本不具备运行这些网络的处理能力。因此，可以利用这些设备的任务，如搜索和救援，必须使用在各自领域性能较低的不太复杂的网络。

要克服这种性能低下的问题，可以将各种较小的神经网络组合起来使用。通常情况下，组成一个集合的神经网络在架构、训练参数和训练数据方面各不相同，但在测试和实用方面都共享相同的输入。然而，使用多个移动设备的任务无法保证每个集合成员都能接收到同一物体的相同视角。此外，由于计算机视觉中的多角度和对象模糊性，集合成员无法确定他们是否都在看同一个对象。

幸运的是，可以利用每个设备的位置和方向来计算目标在现实世界中的位置，从而解决这个问题，这样，尽管视角不同，也能聚集在同一个目标上。这样，在相同的移动环境中，集合神经网络就能获得比单个神经网络更高的性能。因此，在任何具有多个视角和使用无法支持高度复杂神经网络的硬件的任务中，使用集合都是有益的。