Специалисты лаборатории исследований искусственного интеллекта (ИИ) T-Bank AI Research разработали новый метод определения неизвестных объектов на фотографиях и изображениях. Он получил название SDDE (Saliency-Diversified Deep Ensembles). Данный метод был разработан при участии студентов Университета МИСИС и МФТИ и, как утверждают его авторы, сейчас является наиболее точным среди аналогов. Разработчики сообщают, риск ошибки в процессе обработки информации снизился на 20%. Таким образом, приложения, которые будут основаны на данном методе, избавляются от необходимости перепроверять данные и исправлять ошибки, сделанные пользователем.
Технология распознавания объектов основана на компьютерном зрении, области искусственного интеллекта, где для повышения точности анализа используется машинное обучение, включая метод «глубокой ансамбли». Данный метод подразумевает объединение двух нейронных сетей для решения поставленной задачи. Существовавшие на данный момент методы сталкивались с одной, но большой проблемой — однородность ансамблей, из-за чего снижалась точность конечного результата.
Эту проблему в лаборатории T-Bank решили путём использования карты внимания, фокусирующиеся на разных аспектах данных. Подобный подход снижает схожесть ансамблей, а это в итоге ведёт к повышению точности определения объектов на изображениях.
Ещё один плюс нового метода — возможность использовать не только те данные, которые были использованы для обучения нейронной сети, но и незнакомую информацию. Чтобы подтвердить высокую точность своего метода, его авторы протестировали на базах данных CIFAR10, CIFAR100 и ImageNet-1K. Результаты работы оказались выше, чем у существующих алгоритмов, включая Negative Correlation Learning и Adaptive Diversity Promoting.
Отечественная разработка будет полезна в сферах, где нужна максимально высокая точность анализа, например, в беспилотных транспортных средствах или медицине. Важно отметить, что открытие российских учёных было признано на Международной конференции по обработке изображений (IEEE ICIP) в Абу-Даби (ОАЭ).
Подробную информацию можно найти в статье под названием Diversifying Deep Ensembles: A Saliency Map Approach for Enhanced OOD Detection, Calibration, and Accuracy.
