Компания Smart Engines получила патент США на свою запатентованную конструкцию. С его помощью ИИ может восстановить параметры трехмерного пространства по двухмерному изображению. Ученые предложили использовать преобразования Хафа в качестве слоев нейронной сети, благодаря чему нейронные сети — при 100-кратном сокращении количества параметров обучения — гораздо лучше справляются с базовыми задачами компьютерного зрения. В частности, ИИ теперь может легко обнаруживать частично скрытые объекты и дополнять их форму. Это шестой патент США, полученный учеными Smart Engines в этом году. Об этом CNews сообщили представители Smart Engines.

Новая технология может быть использована для решения широкого спектра задач: от систем распознавания документов до беспилотных транспортных систем.

Архитектура нейронной сети, запатентованная учеными Smart Engines, сочетает в себе блоки, используемые в нейронных сетях, с классическим инструментом анализа реальных изображений — преобразованием Хафа. Эти два механизма дополняют друг друга. Глубокое сканирование часто используется для поиска и выделения прямых линий, например строк текста или границ объектов – дорог, домов, документов. А сверточные слои нейронной сети, в свою очередь, помогают решить задачу классификации обнаруженных сегментов.

«Рабочий механизм выглядит следующим образом. Первый блок сверточных слоев нейронной сети строит локальные особенности точек изображения. Затем преобразование Хафа объединяет значения локальных признаков вдоль прямых линий, позволяя рассчитывать сложную нелинейную статистику, такую ​​как дисперсия. Сверточные слои после преобразования Хафа работают с этой статистикой по прямым линиям. Следующим шагом является транспонирование, после которого карты объектов перемещаются в исходные координаты. На последнем этапе полученный результат обрабатывается еще одним блоком сверхточных слоев, в результате чего мы получаем изображение в исходных координатах, но в каждой точке накапливается информация всего изображения», — рассказал руководитель из отдела машинного обучения в Smart Engines. Александр Шешкус.

ЧИТАТЬ   Быстрые фразы Google Assistant, которые появятся в Pixel Buds Pro: как их использовать

Однако нейронные сети гораздо лучше справляются с задачей поиска точек схода, определения формы и выделения контуров объектов, а также более эффективно обнаруживают протяженные или частично затененные объекты.

Важным аспектом этого изобретения является то, что полученные архитектуры нейронных сетей более устойчивы к широкому спектру атак на ИИ. Так что даже замена части изображения не станет препятствием для обнаружения объекта. Например, если на изображении, изображающем дорогу, точка схода случайно или намеренно закрыта объектом, нейронная сеть Хафа все равно ее найдет.

«Норильский никель» выпустил суперкорпоративное приложение с доступом к цифровым сервисам компании

Сканирование

vk 600

Зачастую место утечки может быть заблокировано посторонними предметами – рекламными щитами, другими автомобилями, грузовиками и т.п.

Если край документа на входящем изображении заблокирован пальцем, искусственный интеллект, зная форму документа, легко сможет его восстановить.

Компания Smart Engines запатентовала это изобретение в США, получив в 2023 году шестой патент США на свои разработки. Ранее она получила патенты США на ряд своих ключевых изобретений — метод идентификации документов, метод интеграции изображений в видеопоток. , метод остановки распознавания текста в видеопотоке и метод использования преобразования Хафа в сетях. Компания получила еще один патент на ключевое изобретение в области компьютерной томографии. Запатентованные решения уже используются в программных продуктах Smart Engines для автономного распознавания паспортов, удостоверений личности и других документов.

Source

От admin