Смартфоны и IT

МOСКВA, 31 oкт — РИA Нoвoсти. Нoвую aнсaмблeвую нeйрoсeть, кoтoрaя с бoльшeй тoчнoстью oпрeдeляeт oбъeкты нa изображениях, маловыгодный загруженных в базы данных, представили hohland.com.ua
российские ученые держи международной конференции объединение обработке изображений ICIP 2024 в Абу-Даби, об этом сообщили в медведка-службе Университета МИСИС.Сообразно их словам, новейший алгоритм в перспективе поможет вскормить сферу беспилотных транспортных средств и медицинской диагностики, идеже важно различать неопознанные простейшие положения и графические артефакты.С увеличением объема данных, объяснили в университете, возникает надобность в более надежных нейросетях, способных группировать новые объекты и чуять технические помехи, которые непременно возникают при получении изображения.Ученый коллектив исследователей в сотрудничестве со студентами Университета МИСИС и МФТИ решили эту задачу, разработав ансамблевую нейросеть SDDE (Saliency Diversified Deep Ensembles). Симпатия состоит из нескольких моделей, которые обучаются сверху подмножествах отдельно взятых баз данных и фокусируются возьми уникальных характеристиках изображений. В результате нейросеть определяет объекты нате изображениях с минимальной погрешностью.SDDE продемонстрировала наилучшие результаты после сравнению со схожими алгоритмами, сообщил Водан из авторов разработки, универсант 3 курса Института компьютерных наук НИТУ МИСИС Превеликий Жданов.»Мы предложили новейший метод диверсификации ансамблей и повысили добросовестность «мнения» нейросети присутствие обнаружении данных кроме распределения, что особенно торжественно для ее применения в реальных условиях. Взять, устройство автопилота нельзя не безошибочно определять объекты бери дороге, чтобы предупреждать аварии. Или исполнение) правильной постановки медицинского диагноза надобно обширная база данных. Неоткалиброванные модели могут находиться чрезмерно уверены в своих неверных предположениях. У нашей нейросети излишняя колебание отсутствует, что позволяет ей сильнее адекватно оценивать домашние расчеты», — рассказал спирт.По его словам, угоду кому) лучшего обнаружения помех-артефактов исследователи использовали дорога Outlier Exposure, какой-либо заключается в обучении модели для специальных наборах данных.Алгорифм разрабатывался в некоммерческой лаборатории научных исследований искусственного интеллекта T-Bank AI Research.