Математики ЧелГУ совершенствуют методы предобработки визуальных данных

​Студенты математического факультета Челябинского государственного университета под руководством заведующего кафедрой компьютерной безопасности и прикладной алгебры, доцента Алексея Ручая занимаются проблемами обучения нейронной сети.

«Машинное обучение – не что иное, как способ автоматизировать рутинные операции или задачи, которые раньше мог выполнять только человек, – комментирует Алексей Ручай. – Моим ученикам удалось достичь определённых успехов в области автоматизации некоторых методов предобработки, используя искусственный интеллект».

Третьекурсник математического факультета Алексей Гладков работает над исследованием, которое направлено на решение проблемы быстрой нормализации позы 3d-объекта для облака точек. Начинающий учёный уже имеет публикацию в SPIE Digital Library – самой большой в мире коллекции публикаций теоретического и прикладного характера по оптике и фотонике.

«Мы пытаемся выяснить физические параметры модели по облаку точек (как вариант – по кадру глубины, либо по цветному изображению). Это может быть, к примеру, животное. Искусственный интеллект, если его обучить с использованием глубоких нейронных сетей, может определить его вес и объём, – поясняет Алексей Гладков. – Я пока провожу исследования на малой выборке, поэтому приходится мириться с неточностями при прогонке объектов из другой выборки через модель нейронной сети. Тема классификации объекта по данным, полученным из изображения, связана с компьютерным зрением. Но это направление – мультидисциплинарное, требующее знаний математического анализа, математической статистики и теории вероятности. И, конечно, надо быть программистом, чтобы суметь объяснить компьютеру, что нужно делать».

Предобработка облака точек делает вычисления более точными, а это, в свою очередь, необходимо для обучения нейронной сети, которая лучше воспринимает нормализованные данные. Предобработка изображений важна для распознавания, поиска, измерения и других манипуляций с 3D-объектами.

«Как правило, мы работаем с разным представлением данных. Они могут быть сырыми или предобработанными, из которых уже извлечены некие признаки или особенности. Последнее позволяет алгоритмам более детально и точно анализировать данные, – раскрывает суть исследования Алексей Ручай. – Мы поставили задачу нормализовать облака точек и затем подавать их на вход нейронной сети. Стандартизировать размер входа можно несколькими способами. Один из них – в использовании предобработки облаков и в изготовлении из трёхмерного облака двумерного представления в виде плоской проекции».

Кроме того, группа исследователей под руководством Ручая пытается решить проблему пробелов и неточностей изображений. Они могут быть связаны с перекрытием предметов, с мелкими помехами. Всё это чревато сбоями в алгоритмах измерения. Обработка может повысить точность и надёжность полученных данных.​

Выпускник матфака Всеволод Кальщиков продолжает научную работу по измерению массы животного с использованием изображений, полученных на основе камер. С помощью компьютерного зрения и глубокого обучения эти процессы автоматизируются. Также разрабатывается алгоритм извлечения из изображений линейных характеристик, промеров животного.

«Решение задачи идентификации животного по линейным промерам или изображениям сегодня востребована на ряде предприятий, где существует необходимость мониторинга и экспертной оценки животных. Если мы решим эту задачу, это будет ноу хау. Разработки в этой области позволят аграриям усовершенствовать технологию выращивания молодняка, оптимизируют временные и экономические затраты, выведут качество экспертизы на новый технологический уровень», – признаётся Алексей Ручай.