Исследователи разработали гибкую систему машинного обучения, способную самостоятельно распознавать товары на магазинных кассах или на весах в системах самообслуживания, а также быстро обучаться на небольших исходных наборах изображений. Об этом сообщила пресс-служба Сколтеха. Работа опубликована в открытом доступе в журнале IEEE Access.
"На кассах самообслуживания со встроенными весами покупателю нужно запоминать все коды, а проконтролировать, правильно ли покупатель взвешивает товар, достаточно сложно. Исследователи из Сколтеха предлагают упростить этот процесс с помощью системы компьютерного зрения PseudoAugment. Эту систему можно настроить даже до того, как новые сорта окажутся на полке магазина", - говорится в сообщении.
Систему разработала группа исследователей под руководством старшего преподавателя Сколтеха Андрея Сомова. Эта нейросеть анализирует снимки и ищет на них псевдообъекты: обособленные структуры, похожие на отдельные фрукты и другие товары, которые продаются в магазине.
Эти объекты вырезают из оригинального изображения и модифицируют, получая множество разных псевдообъектов. Это позволяет использовать их для обучения нейросети распознавать предметы с любого ракурса и при любых размерах и вариациях их формы. Подобный подход повышает качество работы нейросети и позволяет обучать ее без вмешательства человека на небольших наборах изображений, что выгодно отличает разработку российских ученых от конкурентов.
Работу системы проверили на прототипе кассы самообслуживания со встроенными весами и подключенной к ней компьютерной системой, позволяющей дообучать и переобучать нейросети. Используя этот набор, исследователи успешно обучили кассу распознавать ранее неизвестные сорта яблок с точностью 92% на основе небольшого числа фотографий ящиков с яблоками.
По словам ученых, сфера применения созданного ими алгоритма не ограничивается супермаркетами. Его можно использовать для обучения распознавания однородных объектов, в частности, на конвейерах для сортировки семян или твердых бытовых отходов. Это позволит повысить эффективность сортировочных промышленных установок, подытожили исследователи.
ТАСС
"На кассах самообслуживания со встроенными весами покупателю нужно запоминать все коды, а проконтролировать, правильно ли покупатель взвешивает товар, достаточно сложно. Исследователи из Сколтеха предлагают упростить этот процесс с помощью системы компьютерного зрения PseudoAugment. Эту систему можно настроить даже до того, как новые сорта окажутся на полке магазина", - говорится в сообщении.
Систему разработала группа исследователей под руководством старшего преподавателя Сколтеха Андрея Сомова. Эта нейросеть анализирует снимки и ищет на них псевдообъекты: обособленные структуры, похожие на отдельные фрукты и другие товары, которые продаются в магазине.
Эти объекты вырезают из оригинального изображения и модифицируют, получая множество разных псевдообъектов. Это позволяет использовать их для обучения нейросети распознавать предметы с любого ракурса и при любых размерах и вариациях их формы. Подобный подход повышает качество работы нейросети и позволяет обучать ее без вмешательства человека на небольших наборах изображений, что выгодно отличает разработку российских ученых от конкурентов.
Работу системы проверили на прототипе кассы самообслуживания со встроенными весами и подключенной к ней компьютерной системой, позволяющей дообучать и переобучать нейросети. Используя этот набор, исследователи успешно обучили кассу распознавать ранее неизвестные сорта яблок с точностью 92% на основе небольшого числа фотографий ящиков с яблоками.
По словам ученых, сфера применения созданного ими алгоритма не ограничивается супермаркетами. Его можно использовать для обучения распознавания однородных объектов, в частности, на конвейерах для сортировки семян или твердых бытовых отходов. Это позволит повысить эффективность сортировочных промышленных установок, подытожили исследователи.
ТАСС
