 |
Безопасность гарантируется
Выбор редких интересных данных из видеопотока является чрезвычайно важным этапом, особенно на поздних стадиях обучения нейронных сетей. Именно он позволяет достигнуть максимальной точности распознавания объектов и крайне важен при решении задач класса life critical (критичных для жизни человека) к которым относятся системы автопилотирования трамваем, трактором и иными транспортными средствами, призванных обеспечить безопасность участников движения в любых условиях.
Специалисты Cognitive Pilot предложили продуктивный метод автоматического поиска необычных данных в видеопотоке. Ими была разработана технология Cognitive Smart OoD (от международного названия этого направления - Out-of-Distribution detection), позволяющая осуществлять такой поиск автоматически.
Суть подхода, разработанного Cognitive Pilot, состоит в следующем. Если обучить нейронную сеть на наиболее часто встречающихся при движении транспортного средства изображениях, с чем у разработчиков, как правило, проблем не возникает, то система в этом случае может обеспечить только базовый, близкий к промышленному уровень безопасности. Но для того, чтобы система автопилотирования гарантировала безопасность транспортного средства, нужно, чтобы нейронная сеть была обучена всем ситуациям, которые только могут возникнуть в процессе ее эксплуатации. Чтобы учесть это, нейронную сеть необходимо обучить всевозможным редким ситуациям, с чем и возникают большие сложности.
Примером редких, нетипичных данных может быть частично заслоненный светофор, вспышка молнии во время движения, животное в поле, необычная машина и даже метеорит.
Примеры редких данных
Поиск такого рода объектов в видеопотоке традиционным, “ручным” способом является чрезвычайно трудоемкой и утомительной процедурой, которая занимает у разработчиков ИИ многие недели, а то и месяцы. «Это как добыча радия, может занимать десятки человеко-лет», рассказывает руководитель направления беспилотного транспорта Cognitive Pilot Геннадий Савицкий. «Произвести качественный отбор изображений такого рода специалисту по разметке вручную просто нереально. Уникальных кадров может быть один на миллион, они просто на вес золота».
Специалисты Cognitive Pilot смогли автоматизировать поиск редких данных в видеопотоке и делать это, фактически, по нажатию клавиши.
«Открытие ученых и инженеров Cognitive Pilot означает, что найдено важнейшее средство автоматического обучения автопилота всевозможным случайностям, которые могут возникнуть при движении транспортного средства. А это значит, что практически во всех случаях наша система автопилотирования способна четко понимать ситуацию на дороге, в поле, на рельсах и адекватно на нее реагировать, обеспечивая максимальную безопасность движения. Это огромный технологический прорыв, чрезвычайно большое событие на рынке систем ИИ», говорит генеральный директор Cognitive Pilot Ольга Ускова.
Технология Cognitive Smart OoD позволяет правильно классифицировать и упорядочивать редкие и необычные объекты. На первом этапе производится оценка датасета на предмет содержания редких изображений и пригодности для разметки и обучения. Это осуществляется с помощью нейронной сети, обученной на достаточно большом разнообразном наборе данных, а также визуализации распределения данных уже в интересующем нас домене.
Промежуточный момент работы системы – визуализация распределения данных со светофорами. Ярким цветом выделены изображения, которые с высокой вероятностью содержат светофоры с новыми/редкими признаками.
«Мы научились правильно классифицировать и визуализировать редкие нетипичные объекты. Если при обучении ансамбля алгоритмов образец относится больше чем к одному классу одновременно, то он однозначно представляет интерес. Например, если на светофоре сидит птица, то данный образец относится как к классу устройств регулировки движения, так и к классу птиц.
Мы даже можем посмотреть, чем интересен редкий объект и почему он попал в тот или иной класс», комментирует Геннадий Савицкий.
На втором этапе, для поиска нетипичных данных и данных с редкими признаками в Cognitive Smart OoD используются статистические методы.
Cogniitve Pilot ранее уже представляла результаты работ по автоматизации поиска репрезентативных данных в видеопотоке. «Возможность автоматизации отбора редких данных является громадным шагом вперед, продолжением наших разработок в направлении машинного обучения. В этой зоне рынка ИИ для беспилотного транспорта у нас накоплена одна из наиболее солидных экспертиз по обучению нейронных сетей на собственных датасетах сразу в нескольких сегментах: сельском хозяйстве, рельсовом транспорте и системах помощи водителю», заключает Ольга Ускова.
Технология Cognitive Smart OoD уже реализована в системах автопилотирования Cognitive Pilot, как для агро-транспорта, так и умных трамваев.
Контактное лицо: Анна Малярчук
Компания: Cognitive Pilot
Добавлен: 22:39, 04.04.2024
Количество просмотров: 149
Страна: Россия
| «1С:Управление нашей строительной фирмой» теперь доступно в облаке 1С:Фреш, 1С-Рарус, 22:32, 23.04.2025, Россия412 |
| Центр разработки «1С-Рарус» совместно с фирмой «1С» сообщает о начале продаж «1С:Управление нашей строительной фирмой» через облачный сервис 1С:Фреш. Инструменты для управления ресурсами и финансами находятся в постоянном доступе, что особенно удобно для специалистов, работающих на выезде. |
| “1С ПРО Консалтинг” выводит на рынок “Менеджер потоков” для ERP-решений, 1С ПРО Консалтинг, 22:31, 23.04.2025, Россия407 |  |
| Компания «1С ПРО Консалтинг», которая специализируется на системно-ориентированной методологии внедрения корпоративных решений на платформе «1С», представляет инструмент «Менеджер потоков» для преобразования задач последовательной обработки данных в параллельные процессы с контролируемым выполнением. |
| Обновлена интеграция сервисов «Телфин» и «Мегаплан», Телфин, 22:25, 23.04.2025, Россия65 |
| Провайдер коммуникационных сервисов «Телфин» расширяет функциональные возможности интеграции виртуальной АТС и CRM «Мегаплан». Теперь всем пользователям интеграции доступна функция отслеживания пропущенных звонков, что позволяет повысить продажи и уровень удовлетворенности клиентов. |
|
|
