Ученые из лаборатории исследований ИИ T-Bank AI Research совместно со студентами МИСиС и МФТИ разработали ИИ-метод, который получил название SDDE (Saliency-Diversified Deep Ensembles). Его отличительная особенность в том, что при обработке изображений он снижает риск ошибки более чем на 20%. Это заметно сокращает объём работ для человека, который в ручном режиме будет исправлять ошибки ИИ.
Как работает SDDE
Новый ИИ-метод представили на Международной конференции по обработке изображений (IEEE ICIP) в Абу-Даби (ОАЭ). Это одна из крупнейших научных конференций, которая посвящена обработке изображений и видео, а также компьютерному зрению.
SDDE использует так называемые карты внимания, которые фокусируются на различных аспектах данных. Это, по словам учёных, уменьшает схожесть ИИ‑моделей при анализе и повышает их общую точность, что делает процесс идентификации объектов на фото более надёжным.
Стоит также отметить, что модель учитывает не только наборы данных, которые использовались при её обучении, но и незнакомую ей информацию.
Самый точный ИИ-метод
Ученые провели испытания на общепринятых в области компьютерного зрения наборах данных для оценки ИИ-моделей CIFAR10, CIFAR100 и ImageNet-1K, которые были созданы в Стэнфордском университете и университете Торонто. По их итогам, SDDE показал наилучшие результаты по сравнению с алгоритмами обучения методом отрицательной корреляции (Negative Correlation Learning) и развития адаптивного разнообразия (Adaptive Diversity Promoting).
Команда, разработавшая метод, уверена, что в будущем SDDE сможет быть особенно востребован в сферах, которые требуют высокой точности анализа. В перспективе он поможет развить сферы беспилотных транспортных средств и медицинской диагностики, где особенно важно определять неопознанные элементы и разнообразные артефакты на изображении.
Больше интересного про код — в нашем телеграм-канале. Подписывайтесь!