Открытие было сделано учёными из лаборатории исследований ИИ T-Bank AI Research совместно со студентами Университета МИСИС и МФТИ, сообщили «Коду Дурова» в Т-Банке.
Метод получил название SDDE (Saliency-Diversified Deep Ensembles) , а его значимой особенностью является то, что он снизил риск ошибки при обработке и анализе изображений более чем на 20%. Это уменьшает необходимость перепроверки и исправления неверных решений человеком.
Учёные уверены, что SDDE будет особенно востребован в сферах, требующих высокой точности анализа, а в перспективе поможет развить сферы беспилотных транспортных средств и медицинской диагностики, где важно различать неопознанные элементы и графические артефакты.
Открытие было представлено на Международной конференции по обработке изображений (IEEE ICIP) в Абу-Даби (ОАЭ) — одной из крупнейших научных конференций, посвященных обработке изображений и видео, а также компьютерному зрению.
SDDE использует карты внимания, фокусирующиеся на разных аспектах данных, что уменьшает схожесть моделей и повышает их общую точность, благодаря чему идентификация объектов становится более надёжной и диверсифицированной.
Глубокие ансамбли используют одинаковые модели для распознавания изображений. В подходе SDDE каждая модель фокусируется на разных аспектах данных, что видно на выделенных зонах — картах внимания. В SDDE карты сильнее различаются, например захватывается фон изображения. Кроме того, модель учитывает не только наборы данных, которые использовались при обучении нейросети, но и незнакомую ей информацию.
Сообщается, что учёные провели испытания эффективности метода на популярных базах данных (CIFAR10, CIFAR100 и ImageNet-1K), и SDDE продемонстрировал наилучшие результаты по сравнению со схожими алгоритмами, такими как Negative Correlation Learning и Adaptive Diversity Promoting.
Комментарии