Добавить в корзинуПозвонить
Найти в Дзене
4pda.to

Разработчики из T-Bank создали самый точный метод определения неизвестных объектов на фото

Сотрудники лаборатории исследований искусственного интеллекта T-Bank AI Research совместно со студентами Университета МИСИС и МФТИ разработали самый точный в мире метод обнаружения с помощью ИИ ранее неизвестных объектов на фото, который сокращает риск ошибки при обработке и анализе изображений более чем на 20%. По словам разработчиков, их метод SDDE (Saliency-Diversified Deep Ensembles) будет особенно востребован в областях, где требуется высокая точность анализа, включая беспилотный транспорт и медицинская диагностика, где важно различать неопознанные элементы и графические артефакты. Как объясняют специалисты T-Bank AI Research, для повышения эффективности распознавания объектов учёные применяют методы машинного обучения. Например, метод «глубокие ансамбли» объединяет несколько нейронных сетей для решения поставленной задачи, что напоминает сбор мнений разных экспертов. Проблемой такого подхода была однородность ансамблей — они были слишком похожи друг на друга. Новый метод SDDE как
   Разработчики из T-Bank создали самый точный метод определения неизвестных объектов на фото
Разработчики из T-Bank создали самый точный метод определения неизвестных объектов на фото

Сотрудники лаборатории исследований искусственного интеллекта T-Bank AI Research совместно со студентами Университета МИСИС и МФТИ разработали самый точный в мире метод обнаружения с помощью ИИ ранее неизвестных объектов на фото, который сокращает риск ошибки при обработке и анализе изображений более чем на 20%.

   Сравнение работы глубоких ансамблей (сверху) и SDDE (снизу)
Сравнение работы глубоких ансамблей (сверху) и SDDE (снизу)

По словам разработчиков, их метод SDDE (Saliency-Diversified Deep Ensembles) будет особенно востребован в областях, где требуется высокая точность анализа, включая беспилотный транспорт и медицинская диагностика, где важно различать неопознанные элементы и графические артефакты.

Как объясняют специалисты T-Bank AI Research, для повышения эффективности распознавания объектов учёные применяют методы машинного обучения. Например, метод «глубокие ансамбли» объединяет несколько нейронных сетей для решения поставленной задачи, что напоминает сбор мнений разных экспертов. Проблемой такого подхода была однородность ансамблей — они были слишком похожи друг на друга. Новый метод SDDE как раз исправляет это.

SDDE использует карты внимания, фокусирующиеся на разных аспектах данных. Это уменьшает схожесть моделей и повышает их общую точность. Как результат, идентификация объектов становится более диверсифицированной. Кроме того, модель способна учитывать не только те наборы данных, которые использовались при её обучении, но и незнакомую информацию, что и повышает точность обнаружения и идентификации ранее неизвестных объектов.