МОСКВА, 31 окт — РИА Новости. Новую ансамблевую нейросеть, которая с большей точностью определяет объекты на изображениях, не загруженных в базы данных, представили российские ученые на международной конференции по обработке изображений ICIP 2024 в Абу-Даби, об этом сообщили в пресс-службе Университета МИСИС.

       По их словам, новый алгоритм в перспективе поможет развить сферу беспилотных транспортных средств и медицинской диагностики, где важно различать неопознанные элементы и графические артефакты.

       "Осталось несколько лет". Судьба человечества решится не там, где все ждут 17 октября, 08:00

       Поделиться

       С увеличением объема данных, объяснили в университете, возникает потребность в более надежных нейросетях, способных классифицировать новые объекты и распознавать технические помехи, которые неизбежно возникают при получении изображения.

       Научный коллектив исследователей в сотрудничестве со студентами Университета МИСИС и МФТИ решили эту задачу, разработав ансамблевую нейросеть SDDE (Saliency Diversified Deep Ensembles). Она состоит из нескольких моделей, которые обучаются на подмножествах отдельно взятых баз данных и фокусируются на уникальных характеристиках изображений. В результате нейросеть определяет объекты на изображениях с минимальной погрешностью.

       SDDE продемонстрировала наилучшие результаты по сравнению со схожими алгоритмами, сообщил один из авторов разработки, студент 3 курса Института компьютерных наук НИТУ МИСИС Максим Жданов.

       Российские ученые создали биологическую нейросеть с тонким слухом 29 октября, 07:00

       Поделиться

       ？

       "Мы предложили новый метод диверсификации ансамблей и повысили точность "мнения" нейросети при обнаружении данных вне распределения, что особенно важно для ее применения в реальных условиях. Например, устройство автопилота должно безошибочно определять объекты на дороге, чтобы предотвращать аварии. Или для правильной постановки медицинского диагноза требуется обширная база данных. Неоткалиброванные модели могут быть чрезмерно уверены в своих неверных предположениях. У нашей нейросети излишняя уверенность отсутствует, что позволяет ей более адекватно оценивать свои расчеты", — рассказал он.

       По его словам, для лучшего обнаружения помех-артефактов исследователи использовали подход Outlier Exposure, который заключается в обучении модели на специальных наборах данных.

       Фейсконтроль для Буренок. Ученые обучили нейросеть распознавать морды коров 22 октября, 07:00

       Поделиться

       Алгоритм разрабатывался в некоммерческой лаборатории научных исследований искусственного интеллекта T-Bank AI Research.