Российские ученые обучили ИИ точнее распознавать неизвестные объекты на фото
Открытие было представлено на Международной конференции по обработке изображений (IEEE ICIP) в Абу-Даби в конце октября 2024 года — это одна из крупнейших научных конференций, посвященных обработке изображений и видео, а также компьютерному зрению. Метод, разработанный в T-Bank AI Research вместе со студентами МИСИС и МФТИ, получил название SDDE (Saliency-Diversified Deep Ensembles) и будет особенно востребован в сферах, требующих высокой точности анализа, рассказали Forbes в Т-Банке. В перспективе он поможет развить сферу беспилотных транспортных средств и медицинской диагностики, где важно различать неопознанные элементы и графические артефакты.
Компьютерное зрение (Computer Vision, CV) — это область ИИ, которая занимается анализом изображений и видео. Для повышения эффективности распознавания объектов ученые применяют методы машинного обучения. В частности, глубокие ансамбли — это метод, который объединяет несколько нейронных сетей для решения задачи. Это похоже на сбор мнений разных экспертов для получения лучшего решения.
«Предыдущие разработки в области CV сталкивались с проблемой однородности ансамблей, то есть они были слишком похожи друг на друга, что снижало качество и разнообразие их оценок, — поясняют в Т-Банке. — Ученые из лаборатории T-Bank AI Research нашли решение этой проблемы с помощью нового метода SDDE, который использует карты внимания, фокусирующиеся на разных аспектах данных. Это уменьшает схожесть моделей и повышает их общую точность, благодаря чему идентификация объектов становится более надежной и диверсифицированной».
Также исследователи научили модель при работе с изображениями учитывать не только те наборы данных, которые использовались при ее обучении, но и незнакомую ей информацию. Такой подход улучшил работу модели в области обнаружения ранее неизвестных ей объектов и точности их идентификации.
В исследовании был предложен метод, улучшающий способность нейронных сетей распознавать изображения, которые отличаются от их обучающих данных и с которыми они не могут работать, рассуждает младший научный сотрудник группы «ИИ в промышленности» Института AIRI Максим Голядкин. Этот вопрос важен, поскольку нейросети, по его словам, часто не распознают, когда сталкиваются с незнакомыми входными данными. «Вместо того, чтобы признать неопределенность, они могут уверенно выдавать неправильные прогнозы подобно тому, как некоторые языковые модели могут предоставлять вводящую в заблуждение информацию, известную как «галлюцинации», — продолжает Голядкин. — Различные варианты решения этой проблемы необходимы для безопасного использования нейронных сетей в критически важных областях, таких как автономное вождение или медицинская диагностика».
Представленный метод основан на ансамблировании моделей, где несколько моделей совместно работают над предсказаниями, разъясняет Максим Голядкин из AIRI. Авторы заметили, что при традиционном обучении модели склонны фокусироваться на одних и тех же признаках внутри изображений, что ограничивает эффективность ансамбля, рассуждает он. Чтобы преодолеть это ограничение, исследователи разработали технику обучения, которая поощряет каждую модель в ансамбле обращать внимание на разные части изображения при прогнозировании. «Разнообразив фокус каждой модели, ансамбль становится лучше в распознавании тех входных данных, с которыми он ранее не сталкивался», — резюмирует эксперт.
Мировой рынок компьютерного зрения переживает бурный рост с прогнозируемым увеличением с $25,8 млрд в 2024 до $47 млрд к 2030 году, оценивала Statista. В частности, объем рынка компьютерного зрения в здравоохранении, составлявший $986 млн в 2022 году, к 2031 году вырастет до $31 млрд с прогнозируемым ростом на 47% в год, подсчитывали в Straits Research. Такое быстрое развитие свидетельствует о растущей роли компьютерного зрения (CV) в улучшении медицинской диагностики, повышении точности лечения и стандартов ухода за пациентами.
В России рынок также увеличивается: по итогам этого года Statista ожидала роста его объема до более чем $600 млн и далее по 10,5% в среднем в год до 2030-го, когда он превысит $1,1 млрд.