Источник фото: ru.123rf.com
Команда НОШ «Мозг, когнитивные системы, искусственный интеллект» ВМК МГУ имени М.В. Ломоносова и исследователи ФИЦ ИУ РАН создали нейросетевую архитектуру QiGSAN, которая значительно улучшает точность сегментации мелких объектов на фото, даже при недостаточном объеме обучающих данных. Результаты работы опубликованы в журнале Big Data and Cognitive Computing.
Сегментация мелких объектов остается одной из самых сложных задач в компьютерном зрении. Особенно это касается обработки аэро-космических изображений, где необходимо обнаруживать объекты, которые занимают всего несколько пикселей на крупных снимках. Такие задачи часто возникают при анализе данных, получаемых со спутников, например, для идентификации кораблей на море или мелких сооружений на суше. В таких условиях современные нейросети могут ошибаться, теряя критически важную информацию или путать шум с объектами.
Учёные представили новую графово-сверточную нейронную сеть QiGSAN (Quadtree—informed Graph Self—Attention Network), которая нацелена на решение задачи сегментации мелких объектов. Новый подход позволяет учитывать неопределенность при работе с ограниченными данными, а также анализировать взаимосвязи между различными участками изображения на разных уровнях детализации. Эффективность архитектуры основана на доказанной в статье теореме о более быстрой убыли функции потерь для информированной части сети по сравнению с классическими сверточными архитектурами.
Архитектура QiGSAN продемонстрировала выдающиеся результаты в тестировании на сегментации кораблей, используя открытые датасеты радиолокационных изображений: прирост точности по F1-мере составил от 48,6% до 63,9% относительно современных трансформеров и сверточных сетей.
«Наши исследования показывают, что применение вероятностных моделей при обучении нейросетей значительно улучшает их эффективность на малых и несбалансированных выборках для задач сегментации. Это особенно актуально в практических областях, где данные ограничены и содержат редкие объекты, например, в анализе спутниковых снимков или изображениях с дронов», — отмечает Андрей Горшенин, д.ф.-м.н., главный научный сотрудник ФИЦ ИУ РАН и представитель НОШ «Мозг, когнитивные системы, искусственный интеллект».
Исследователи предполагают, что области применения нового метода могут значительно расшириться. В частности, архитектура QiGSAN может быть эффективно использована в медицине для выявления патологии на снимках, в промышленности для обнаружения дефектов на конвейерах, а также в интеллектуальных транспортных системах для обнаружения пешеходов или дорожных объектов в сложных условиях.
Источник информации: факультет ВМК МГУ имени М.В. Ломоносова
Источник фото: ru.123rf.com







