Работы ученых из Сколтеха представят на конференции по искусственному интеллекту

Две работы исследователей из группы Компьютерного зрения профессора Сколковского института науки и технологий (Сколтеха) Виктора Лемпицкого приняты к участию в NIPS - крупнейшем мировом форуме по искусственному интеллекту и машинному обучению, сообщила пресс-служба Сколтеха. Статьи, прошедшие строгий отбор, посвящены работе с изображениями при помощи нейронных сетей с глубинным обучением. “Опубликоваться на NIPS становится сложнее с каждым годом, - приводит слова Лемпицкого пресс-релиз. - Две работы нашей группы, отобранные на конференцию, представляют довольно разные направления, свидетельствуют о хорошем уровне исследований в нашей группе и имеют много практических применений.” NIPS (Advances in Neural Information Processing Systems) - это ведущий мировой форум по исследованиям в области искусственного интеллекта и машинного обучения, проводящийся ежегодно с 1987 года. Работы, поданные на конференцию проходят жесткий конкурентный отбор на основе анонимного рецензирования. В этом году доля отобранных работ была 22%, а сама конференция пройдет 5-11 декабря в Барселоне. Работы российский ученых Группа Компьютерного зрения из Сколтеха создает компьютерные системы для извлечения и обработки информации, содержащейся в изображениях. Для этого ученые разрабатывают современные методы машинного обучения, которые могут быть адаптированы под разнообразие визуальной информации в современном мире. Один из таких методов, оптимизацией которого активно занимаются в лаборатории Лемпицкого - это глубинное обучение нейронных сетей. Первая работа, которая будет представлена на конференции, выполнена в соавторстве выпускником магистратуры Сколтеха Олегом Гринчуком и аспирантом Сколтеха Вадимом Лебедевым и посвящена созданию визуальный маркеров - аналогов широко распространенных бар-кодов и QR-кодов. Исследователи предлагают создавать маркеры синтезирующей нейросетью, а считывать их распознающей нейросети. При этом, обучающий процесс настраивает параметры обоих нейросетей параллельно, оптимизируя как устойчивость распознавания, так и эстетические качества маркеров. В результате создаваемые с помощью алгоритмов глубинного обучения нейронных сетей визуальные маркеры, могут быть выполнены в любом визуальном стиле, в том числе и в стиле той или иной организации. Это их главное отличие от привычных черно-белых QR-кодов и прочих существующих на рынке систем. Примеры маркеров доступны на странице проекта. Вторая работа, принятая на конференцию, выполнена в соавторстве с аспиранткой Сколтеха Евгенией Устиновой и посвящена фундаментальной задаче обучения нейросетей, решающих проблему построения компактных представлений данных, пригодных для поиска по изображениям. Исследователям разработали новый критерий для тренировки таких нейросетей, требующий существенно меньших усилий по настройке параметров обучения и позволяющий получать представления, приводящие к более точному поиску и распознаванию.