Канадские исследователи создали эвристический алгоритм распознавания изображений

Татьяна Новак

Исследователи из Университета Торонто научились применять эвристический метод для обучения алгоритма распознавания изображений. Обучение нейросети на основе составленных людьми инструкций оказалось на 160% эффективнее, чем на аннотированных наборах данных.

Как правило, чтобы обучить нейросеть распознавать изображения, ей «скармливают» большие наборы аннотированных изображений. Например, чтобы нейросеть научилась идентифицировать на фотографиях небо, она должна увидеть сотни фотографий, на которых отмечена область неба. Профессор Пархам Аараби и Веньчжи Гуо предложили принципиально другой подход к тренировке — давать ИИ инструкции по предварительной классификации тренировочного массива данных, например: «небо скорее всего окрашено в различные оттенки синего цвета» или «чем ближе пиксели к верхней части снимка, тем вероятнее, что они относятся к небу».

Учёные проверили свой метод, обучив нейросеть распознавать на изображениях волосы человека. Они утверждают, что алгоритм научился правильно классифицировать сложные пограничные случаи, различая текстуру волос на текстуре фона. При этом в процессе обучения он повысил свою эффективность на 9%.

Алгоритм Пархама Аараби и Веньчжи Гуо (столбик 3) научился различать текстуру волос на текстуре фона и показал эффективность на 160% выше, чем консервативные и агрессивные методы обучения (столбик 1 и 2). Иллюстрация: IEEE Trans NN & LS

«Использование эвристического обучения для сегментации волос — это только начало. Мы хотим применить наш метод в самых разных сферах — от медицины до транспорта», — говорит Веньчжи Гуо. Эвристический подход позволяет обучить нейросети правильно классифицировать новые и не аннотированные данные. Это очень важно, например, для точного распознавания раковых клеток или для классификации объектов, окружающих беспилотный автомобиль.

Научную работу опубликовал журнал IEEE Transactions on Neural Networks and Learning Systems.

Загрузить еще