Agroday.ru : НОВОСТИ
Cognitive Pilot разработала технологию быстрого обучения агророботов
Выбор разнообразных, репрезентативных данных из видеопотока до последнего времени являлся одним из наиболее серьезных препятствий при обучении нейронных сетей. На решение этой задачи в таких приложениях, как автопилотирование, могло уходить очень много времени. Для того, чтобы нейронная сеть могла с промышленной точностью распознавать объекты дорожной, полевой или иной сцены и тем самым обеспечивать безопасность при любых погодных условиях и времени суток, ее необходимо обучить на больших массивах данных, содержащих все возможные ситуации, которые только могут повлиять на процесс управления транспортным средством.
Традиционный, ручной подход к ее решению - чрезвычайно трудоемкая, утомительная и длительная процедура. «Представьте, у нас длительность видеопотоков составляет более миллиарда кадров», рассказывает руководитель департамента разработки беспилотных транспортных средств Юрий Минкин. «Просмотреть их полностью, и произвести качественный отбор всех разнообразных изображений специалисту по разметке просто нереально. А в результате частичного отбора важные данные могут быть просто потеряны».
Специалисты Cognitive Pilot придумали подход, который позволяет нейронной сети выбирать из видеопотока разнообразные и репрезентативные данные автоматически. «Мы используем метрику сравнения разных кадров», рассказывает Минкин. «Так в задаче автономного управления комбайном при его проезде по кромке мы выбираем кадры, в которых отклонения от среднего, больше определенной величины. Например, на изображении появилась «проплешина», или торчащая из земли часть опоры. По сравнению с общей дисперсией этот элемент дает большой скачок, и система этот кадр берет. А при проезде лесополосы картинки хоть и меняются часто (мелькают кусты, деревья), но особого разнообразия в видеопотоке мы не наблюдаем, отклонение от среднего ниже среднего и нас такие данные не интересуют».
Разработанный специалистами Cognitive Pilot механизм позволяет также отфильтровывать из видеопотока «мусорные» данные, никак не влияющие на процесс обучения. Такие как перегон комбайна с одного поля на другое с поднятой жаткой, или моменты, когда он стоит на месте или проходит по участку маршрута с пренебрежительно малыми изменениями полевой сцены.
«Если раньше на обработку видеопотока при обучении нейронных сетей и создании датасетов могли уходить годы, то сегодня мы нажимаем на кнопку, и получаем результат», заключает Минкин.
Александр Ведяхин
Первый заместитель Председателя Правления Сбербанка
Наши коллеги из Cognitive Pilot продемонстрировали огромное преимущество систем искусственного интеллекта над традиционными подходами. Эта инновация в разы сокращает время разработки и кардинально упрощает создание умных решений в одном из наиболее востребованных секторов рынка — беспилотниках. Благодаря этой технологии мы сможем увеличить функциональность существующих решений для автономного управления сельскохозяйственным и рельсовым транспортом и масштабировать наши проекты на новые российские и зарубежные рынки».
Ольга Ускова
Генеральный директор Cognitive Pilot:
«У нас очень большой опыт по обучению нейронных сетей и созданию датасетов. В этой зоне мы в числе мировых лидеров. В отличие от многих игроков рынка ИИ для беспилотного транспорта, которые работают в основном с готовыми данными, публичными датасетами и используют их, как правило, в приложениях для одного направления, или агро, или automotive, или иного, мы накопили солидную экспертизу по обучению нейронных сетей на собственных датасетах сразу в нескольких сегментах: агро, рельсового транспорта и авто». Добавлено: 17 марта 2021 г. 12:16