Нейросеть учат адекватно оценивать неожиданные помехи
Это актуально для беспилотных транспортных средств и медицинской диагностики
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.
Как поясняют РИА Новости, новый алгоритм в перспективе поможет развить сферу беспилотных транспортных средств и медицинской диагностики, где важно различать неопознанные элементы и графические артефакты. Нейросеть SDDE (Saliency Diversified Deep Ensembles) 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.
«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 сообщил один из авторов разработки, студент 3 курса Института компьютерных наук НИТУ МИСИС Максим Жданов.
По его словам, для лучшего обнаружения помех-артефактов исследователи использовали подход Outlier Exposure, который заключается в обучении модели на специальных наборах данных.
Алгоритм разрабатывался в некоммерческой лаборатории научных исследований искусственного интеллекта T-Bank AI Research.
Фото freepik, автор: jcomp