Новый метод распознавания и обнаружения аномальных объектов с помощью ИИ — SDDE (Saliency-Diversified Deep Ensembles) — существенно повысит точность анализа и обработки изображений и найдет широкое практическое применение, рассказал кандидат физико-математических наук, доцент факультета ВМК МГУ Виктор Китов Т-Банку.
Метод SDDE был разработан учеными лаборатории исследований искусственного интеллекта T-Bank AI Research совместно со студентами Университета МИСИС и МФТИ. Открытие было представлено на Международной конференции по обработке изображений в Абу-Даби.
Для повышения качества работы нейросетей по распознаванию изображений используют ансамбли (наборы) моделей. Это позволяет повысить точность классификации как известных классов, так и новых за счет того, что ошибки разных моделей при обнаружении аномалий взаимно компенсируют друг друга, и итоговый прогноз получается более устойчивым и точным.
Между тем отдельные модели ансамбля, как правило, настраиваются решать одну и ту же задачу по одним и тем же данным. Неудивительно, что и сами модели при этом оказываются весьма похожими. Поэтому для повышения точности всего ансамбля критически важным становится разнообразие моделей, то есть их максимальное отличие друг от друга, продолжает эксперт.
По словам специалиста, метод SDDE будет востребован в задачах классификации изображений, где периодически встречаются объекты новых классов и велика цена их ошибочного отнесения с неверным классам.
«Примерами областей применимости могут быть системы автоматического управления транспортными средствами, медицинская диагностика, системы безопасности по камерам видеонаблюдения и визуальный контроль качества на производственных линиях. Для банков особый интерес представляет применение метода для обнаружения мошеннических финансовых транзакций», — уверен Китов.
