27 декабря 2025

eur = 91.89 -0.58 (-0.63 %)

btc = 87 485.00$ - 391.18 (-0.45 %)

eth = 2 929.10$ 10.38 (0.36 %)

ton = 1.58$ 0.05 (3.43 %)

usd = 77.88 -0.55 (-0.70 %)

eur = 91.89 -0.58 (-0.63 %)

btc = 87 485.00$ - 391.18 (-0.45 %)

Российские учёные разработали самый точный в мире ИИ-метод по обнаружению ранее неизвестных объектов на фото

1 минута на чтение

Читайте в Telegram

Что будет с Telegram в России?|

Изображение — зелёные кубики на чёрном фоне, смещённые ряды создают иллюзию объёма.

Открытие было сделано учёными из лаборатории исследований ИИ T-Bank AI Research совместно со студентами Университета МИСИС и МФТИ, сообщили «Коду Дурова» в Т-Банке.

Метод получил название SDDE (Saliency-Diversified Deep Ensembles), а его значимой особенностью является то, что он снизил риск ошибки при обработке и анализе изображений более чем на 20%. Это уменьшает необходимость перепроверки и исправления неверных решений человеком.

Учёные уверены, что SDDE будет особенно востребован в сферах, требующих высокой точности анализа, а в перспективе поможет развить сферы беспилотных транспортных средств и медицинской диагностики, где важно различать неопознанные элементы и графические артефакты.

Открытие было представлено на Международной конференции по обработке изображений (IEEE ICIP) в Абу-Даби (ОАЭ) — одной из крупнейших научных конференций, посвященных обработке изображений и видео, а также компьютерному зрению.

SDDE использует карты внимания, фокусирующиеся на разных аспектах данных, что уменьшает схожесть моделей и повышает их общую точность, благодаря чему идентификация объектов становится более надёжной и диверсифицированной.

Изображение содержит фото парусника и блоки карт активации моделей Deep Ensembles, SDDE и Input, показывающие уровень
Глубокие ансамбли используют одинаковые модели для распознавания изображений. В подходе SDDE каждая модель фокусируется на разных аспектах данных, что видно на выделенных зонах — картах внимания. В SDDE карты сильнее различаются, например захватывается фон изображения.

Кроме того, модель учитывает не только наборы данных, которые использовались при обучении нейросети, но и незнакомую ей информацию.

Сообщается, что учёные провели испытания эффективности метода на популярных базах данных (CIFAR10, CIFAR100 и ImageNet-1K), и SDDE продемонстрировал наилучшие результаты по сравнению со схожими алгоритмами, такими как Negative Correlation Learning и Adaptive Diversity Promoting.

Материал обновлен|
Сейчас читают
Редакция рекомендует
Глоссарий Telegram: 200+ терминов и функций мессенджера
Глоссарий Telegram: 200+ терминов и функций мессенджера

Глоссарий Telegram: 200+ терминов и функций мессенджера

Гайд по Telegram: справочник терминов и функций

Читать
Карьера
Блоги 462
OTP Bank
Т-Банк
билайн
Газпромбанк
МТС
X5 Tech
Сбер
Яндекс Практикум
Ozon Tech
Циан

Пользуясь сайтом, вы соглашаетесь с политикой конфиденциальности
и тем, что мы используем cookie-файлы