Научная команда занимается разработкой и исследованием новых методов компьютерного зрения |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-12-24 12:17 Научная команда под руководством ведущего научного сотрудника, доцента кафедры программной инженерии Захарова Алексея Александровича занимается разработкой и исследованием новых методов компьютерного зрения на основе технологий искусственного интеллекта. В 2023 году проект был поддержан Российским научным фондом. Объем финансирования составил 3 миллиона рублей на два года проведения исследований. Актуальность. Механизмы визуального внимания позволяют системе компьютерного зрения быстро находить нужные данные в наблюдаемой сцене. Существующие модели визуального внимания далеки от зрительной системы человека по надёжности и производительности. К тому же существуют проблемы, связанные с выделением объектов на изображениях с низким контрастом, присутствующим шумом и сложными текстурами. Ход исследования. Команда наших исследователей разработала и исследовала методы и алгоритмы визуального внимания на основе нейронных сетей на графах и данных с ограниченной аннотацией. Разработанные модели и алгоритмы были протестированы на изображениях наноструктур и дефектов поверхностей. Результаты. Разработаны методы визуального внимания на основе нейронных сетей на графах и моделей слабо контролируемого обучения, моделей трансферного обучения, моделей обучения на малых наборах данных. Разработанные методы позволяют сократить затраты на подготовку данных для обучения; дают возможность обнаруживать объекты, для которых количество экземпляров в обучающем наборе ограничено; уменьшают зависимость систем от этапа предварительного обучения. Значимость. Результаты проекта могут быть использованы в следующих областях: автономная навигация роботов, человеко-машинные интерфейсы, контроль технологических процессов, дистанционное зондирование Земли, медицинская диагностика, биометрия, видеонаблюдение. Источник: vk.com Комментарии: |
|