Новый способ повышения качества распознавания объектов внешнего мира нейронными сетями
Ученые кафедр «Микропроцессорные средства автоматизации» и «Информационные технологии и автоматизированные системы» Пермского национального исследовательского политехнического университета (ПНИПУ) предложили способ повышения качества распознавания объектов внешнего мира нейронными сетями. Разработка может применяться в промышленной робототехнике. Полученные на первом этапе результаты позволяют рассматривать объекты мира как комбинацию ограниченного набора составных частей, что дает возможность снизить зависимость качества работы алгоритмов распознавания от числа распознаваемых объектов. Кроме этого разработчики и ИТ-эксперты считают, что отечественная ИТ-разработка может помочь в проверке качества искусственно генерируемых изображений для оценки их реалистичности и соответствию функциональности реальных аналогов.
Новое программное обеспечение разработали доцент кафедры микропроцессорных средств автоматизации ПНИПУ Леонид Мыльников, а также аспиранты университета Павел Сливницин и Александр Князев. Ученые пермского Политеха создали ПО с генератором случайных синтетических изображений, которое позволит обучать нейросеть быстрее, и систему замены неполного, размытого или чрезмерно зашумленного изображения искусственно-созданной графической моделью. ИТ-продукт решает проблему создания больших баз данных, необходимых для обучения нейронных сетей, и значительно упрощает работу как специалистов ИТ-отрасли, так и предприятий, которые уже используют в своей работе технологии ИИ.
Как сообщили разработчики, необходимость такого программного продукта стала очевидной еще несколько лет назад, когда сотрудники Муниципального бюджетного учреждения Перми «Горсвет» рассматривали способы реализации автоматизированной робототехнической системы для работы с электрооборудованием на большой высоте, под высоким напряжением и в нестабильных погодных условиях. Тогда ученые предложили способ генерации изображений фонарей уличного освещения в различных условиях и ракурсах для обучения нейросети распознаванию таких объектов и определения их положения в пространстве, - это необходимо для манипуляции ими с помощью робототехнического оборудования.
Проект стал основой для распознавания любых объектов, и после его пилотного апробирования может быть использован в работе промышленных предприятий: например, в решении задач по обслуживанию и сборке/разборке составных изделий. Программа комбинирует изображения реального объекта, полученные с помощью обычной камеры, дальномера или 3D-камеры, различные фоны и шумовые эффекты – помехи или объекты окружающей среды. Например, для создания набора картинок с уличным фонарем под задачу «Горсвета» программа дополнительно использовала ветви деревьев, которые частично закрывают светильник, а также дождь, слабую освещенность, фотографии разных городских локаций в качестве фона, дефекты камеры (на изображении). Это позволяет создавать сбалансированные выборки, связанные с особенностями среды, в которой приходится функционировать, без потери реалистичности изображений.
Разработчики подчеркивают, что новый софт — универсальный инструмент, который можно применять в любой сфере. По их словам, концепт создания искусственных наборов данных подходит для любых типов нейросетей, что особенно важно, так как каждую отличают свои технологические особенности и сложившиеся области применения.
Любая система машинного обучения работает на основе распознавания и сопоставления объектов, на которых нейросеть учится. При этом сбор данных усложняется различными помехами, не позволяющими ИИ адекватно воспринимать тот или иной объект. В результате при использовании реальных данных для настройки ИИ на решение конкретных задач мы сталкиваемся с проблемой недостатка объектов, что влияет на качество работы систем, использующих распознавание изображений. Решение, предложенное разработчиками, помогает сформировать выборку в полном соответствии с представлениями человека об объекте, исключая такие факторы, как недообучение или переобучение. Впоследствии это помогает обучать искусственный интеллект распознавать и классифицировать тот или иной объект с максимальной точностью. Авторы надеются, что работа поможет в развитии российских нейросетей и технологий artificial general intelligence (AGI), так как вопрос перехода от распознавания единичных объектов к универсальным алгоритмам без привязки к конкретным их видам, типам и реализации уже будет решен.
Региональный координатор проекта «Цифровая Россия» партии «Единая Россия» Александр Мотрич заметил, что Пермский край не случайно вошел в шесть пилотных регионов страны по подготовке Стратегии цифровой трансформации до 2030 года: высокий научный потенциал региона помогает решать многие задачи быстрее и результативнее.
«“Умные” технологии внедряются в 18 отраслей экономики Пермского края – это самый высокий показатель среди пилотных регионов. Решения специалистов краевых ИТ-компаний успешно применяются как в России, так и за рубежом. Пермский политехнический университет и его кафедра информационных технологий и автоматизированных систем всегда находится в авангарде этой работы - и с точки зрения научных изысканий и подготовки кадров, и в создании практических решений. Программа для улучшения обработки данных нейросетями – еще одно блестящее тому подтверждение», - сказал господин Мотрич.
Член комитета Госдумы РФ по информационной политике, информационным технологиям и связи Антон Немкин поддержал необходимость интеграции нового ПО в реальные сектора экономики региона после окончания тестирования и его возможное масштабирование на федеральном уровне, подчеркнув, что за использованием ИИ в промышленности и сфере услуг – будущее прорывного экономического развития России в ближайшие годы.
«Президент страны поручил предусмотреть внедрение технологий ИИ в каждом нацпроекте, госпрограмме и инвестпрограмме, так как все предприятия и отрасли должны перестраивать свои подходы и использовать все возможные современные средства для повышения производительности. Многие российские компании, в том числе на опасных производствах – например, в горнодобывающей промышленности и нефтегазовом секторе - уже начали такую работу и на практике увидели, что использование нейросетей и робототехники дает очевидный рост эффективности работы и значительно снижает риски техногенных аварий и травматичность на производстве. Что особенно важно, программный продукт, разработанный высококвалифицированными ИТ-специалистами из пермского Политеха, поможет не только эффективнее использовать нейросети, но также создавать российские аналоги на базе технологий AGI, что повысит экспортный потенциал ИТ-отрасли на 5-7% уже в ближайший год. Мы с коллегами из фонда «Цифровая долина Прикамья» возьмем ИТ-продукт в работу и дадим рекомендации по его использованию в бизнесе и сфере обслуживания края, а также рассмотрим возможность масштабирования проекта на другие регионы», - заявил Антон Немкин.