T-Bank AI Research совместно со студентами МИСИС и МФТИ разработали метод SDDE (Saliency-Diversified Deep Ensembles) для улучшения распознавания ИИ ранее неизвестных объектов на фотографиях

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


T-Bank AI Research совместно со студентами МИСИС и МФТИ разработали (https://arxiv.org/pdf/2305.11616) метод SDDE (Saliency-Diversified Deep Ensembles) для улучшения распознавания ИИ ранее неизвестных объектов на фотографиях. Этот метод снизил риск ошибок более чем на 20%, уменьшая необходимость перепроверки решений человеком. SDDE использует карты внимания, фокусирующиеся на разных аспектах данных, что повышает точность и надёжность идентификации объектов.

Метод был представлен на Международной конференции по обработке изображений (IEEE ICIP) в Абу-Даби. SDDE объединяет несколько нейронных сетей для улучшения распознавания и анализа изображений. Учёные решили проблему однородности ансамблей, что увеличило эффективность модели.

SDDE важен для сфер, требующих высокой точности анализа, таких как беспилотные транспортные средства и медицинская диагностика. Исследование показало, что нейронные сети стали лучше распознавать изображения, отличающиеся от обучающих данных, что важно для безопасного использования ИИ в критически важных областях.


Источник: arxiv.org

Комментарии: