Ученые из России разработали новую методику обучения систем компьютерного зрения, с помощью которой можно увеличить точность их работы при относительно небольшом количестве обучающей выборки. Описание методики опубликовал научный журнал Remote Sensing, кратко об этом пишет пресс-служба Сколковского института науки и технологий.
"Новый метод можно применять и для решения задач, связанных с использованием данных дистанционного зондирования Земли, в частности, для экологических исследований, точного земледелия и любых других задач, где имеется ограниченное количество изображений со средним пространственным разрешением", – говорится в сообщении.
За последние годы ученые разработали десятки нейросетей, которые могут распознавать препятствия и вычислять оптимальную траекторию движения для автономных автомобилей, беспилотников и прочих приборов и гаджетов, которым необходимо "видеть" окружающий мир и разбивать его на разные категории.
К примеру, подобные системы активно применяют для автоматического распознавания документов, проверки качества изготовления различных деталей на заводах, при подсчете посетителей в ресторанах или для проведения экологических наблюдений и анализа снимков, собираемых спутниками дистанционного зондирования Земли (ДЗЗ).
Российские математики под руководством профессора Сколковского института науки и технологий Ивана Оседлца разработали новый подход для обучения подобных систем компьютерного зрения. Он позволяет значительно увеличить качество их работы, когда обучающая выборка снимков неполна или в ней просто относительно мало изображений.
Как правило, для обучения нейросетей используется так называемый метод аугментации данных. В этом случае ученые дополняют неполный набор изображений снимками, которые были получены в этом же участке местности, но в другое время. Подобный подход успешно применяют для систем зрения, работающих с обычными фотографиями, однако до недавнего времени их не применяли для работы с мультиспектральными данными, которые собирают инструменты многих спутников ДЗЗ.
Российские ученые ликвидировали этот недостаток, разработав новую методику обучения нейросетей MixChannel, позволяющую комбинировать разнородные данные, полученные при помощи камер и приборов спутников, а также другими устройствами обработки изображений.
Для проверки работы нового метода ученые использовали изображения хвойных и лиственничных лесов Архангельской области, полученные при помощи европейского спутника Sentinel-2. Используя эти фотографии, Оселедец и его коллеги попытались создать нейросеть, которая могла бы точно классифицировать разные типы лесов по фотографиям, полученным в разное время года.
Поскольку территорию Архангельской области часто закрывают облака, число достаточно качественных спутниковых снимков, пригодных для обучения, было крайне малым. Эксперименты показали, что этого было достаточно для обучения нейросети при использовании их подхода к обработке данных.
Оселедец и его коллеги предполагают, что разработанный ими метод можно применять не только для анализа снимков с климатических спутников, но и решения массы других задач, где имеется ограниченное количество изображений со средним пространственным разрешением. В ближайшее время ученые планируют проверить эту гипотезу на практике.
Источник: ТАСС