61 подписчик
🦾 В России разработали подход, который позволяет использовать малые нейросети для ускоренного обучения более сложно устроенных систем ИИ, предназначенных для распознавания трехмерного положения предметов на снимках с лидаров (лазерных радаров).
Подобные алгоритмы важны для планирования пути движения беспилотных автомобилей или дронов, однако их работе часто мешает то, что отслеживаемые объекты не полностью видны на снимках или их сложно различить на зашумленных изображениях, получаемых лидарами.
Российские ученые предположили, что данную проблему можно решить, если предварительно обработать набор снимков, используемых для обучения, при помощи малой нейросети, способной удалять шум и "достраивать" изображения объектов с учетом того, как они выглядят на других кадрах.
Исследователи обучали небольшую генеративную нейросеть на доступных записях снимков с лидара, снятых во время проезда автомобиля по улицам города. Затем эта небольшая, но точная модель была использована для обучения большой нейросети, работающей на шумных снимках с множеством сложных параметров. Малая нейросеть значительно повысила точность распознавания реальных объектов - технология стала корректно предполагать форму окружающих предметов, которые могла увидеть лишь в будущем.
1 минута
28 июня 2024