Название базовой системы (платформы): | Искусственный интеллект (ИИ, Artificial intelligence, AI) |
Разработчики: | Высшая школа экономики (НИУ ВШЭ), НИТУ МИСиС (Национальный исследовательский технологический университет) |
Дата последнего релиза: | 2023/11/29 |
Отрасли: | Индустрия развлечений, досуг, спорт, Сельское хозяйство и рыболовство, Транспорт, Фармацевтика, медицина, здравоохранение |
Технологии: | Системы видеоаналитики |
Основные статьи:
- Нейросети (нейронные сети)
- Видеоаналитика (термины, сферы применения, технологии)
- Компьютерное зрение (машинное зрение)
2023: Представление обновленной архитектуры нейросети LAPUSKA
Ученые Университета МИСИС и НИУ ВШЭ 29 ноября 2023 года представили обновленную архитектуру нейронной сети LAPUSKA (LaPlacian UpScale Knowledge Alignment), способную значительно улучшить качество изображений. Предложенный подход позволяет обрабатывать фотографии в 2 раза быстрее по сравнению с выбранными аналогами. В будущем разработка исследователей поможет распознавать лица и точнее обрабатывать изображения.
Анализ и интерпретация изображений или видео с помощью машинного зрения, уже применяется в медицине, сельском хозяйстве, транспорте, индустрии развлечений и многих других областях. Перспективным направлением компьютерного зрения является супер-разрешение изображений, которое не просто увеличивает размер изображения, но и улучшает его качество. Это позволяет увидеть больше информации и деталей, которые были недоступны для человеческого зрения при низком разрешении фотографии.
Технология получения изображений со сверхвысоким разрешением помогает преодолеть ограничения, присущие устройствам фото- и видеосъемки и может быть полезно в различных практических приложениях. Например, в области безопасности супер-разрешение изображений помогает увеличивать качество снимков с камер видеонаблюдения для распознавания лиц или номеров автомобилей, в области цифровой обработки изображений — помогает восстановить старые или поврежденные фотографии, а также улучшить качество фотографий, снятых в сложных условиях освещения или на большом расстоянии.
Существующие модели для получения изображений со сверхвысоким разрешением имеют значительные недостатки, например наиболее нейронные модели SRGAN и LapSRN требуют больших вычислительных затрат и значительного объема компьютерной памяти, что влияет на доступность их использования и время, необходимое для получения результа. LapSRN как правило, позволяет получить более сглаженные изображения, что приводит к потере некоторых мелких деталей, в то время как на изображениях, обработанных при помощи SRGAN, остается много цифрового шума.Елена Истомина, Directum: Как no-code меняет стоимость проекта
Обновленная архитектура нейронной сети LAPUSKA для высокого разрешения изображений сочетает лучшие свойства существующих моделей SRGAN и LapSRN и устраняет их недостатки. Предлагаемая модель имеет качество, аналогичное LapSRN, но она более чем в 2 раза быстрее по времени обработки.
Архитектура предлагаемой нами нейронной сети состоит из нескольких сверточных слоев с разной структурой. В основе структуры сети лежит структура SRGAN, которая показала хорошие результаты во время обучения, и использует стратегию пост-апсемплинга, при которой признаки извлекаются непосредственно из входных данных LR набором остаточных блоков, а изображение масштабируется в конце распространения. Важным моментом в процессе обучения реализованных моделей являются обучающие данные. В данной работе было решено использовать датасет DIV2K, поскольку он содержит 800 обучающих цветных изображений RGB HR с соответствующими уменьшенными изображениями LR с различными коэффициентами, — сказал соавтор исследования Илья Макаров, директор центра искусственного интеллекта НИТУ МИСИС, руководитель группы «ИИ в промышленности» Института AIRI. |
Подрядчики-лидеры по количеству проектов
VizorLabs (Визорлабс) (41)
Вокорд (Vocord) (39)
ВидеоМатрикс (Videomatrix) (32)
VisionLabs (ВижнЛабс) (25)
Simetra (ранее А+С Транспроект) (18)
Другие (319)
ВидеоМатрикс (Videomatrix) (9)
Simetra (ранее А+С Транспроект) (6)
VisionLabs (ВижнЛабс) (5)
VizorLabs (Визорлабс) (5)
Ростелеком (4)
Другие (49)
VizorLabs (Визорлабс) (11)
ВидеоМатрикс (Videomatrix) (8)
Nord Clan (Норд Клан) (4)
Джей Эс Эй Групп (JSA Group) (3)
VisionLabs (ВижнЛабс) (2)
Другие (30)
Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров
Вокорд (Vocord) (9, 45)
VizorLabs (Визорлабс) (9, 40)
ВидеоМатрикс (Videomatrix) (17, 32)
VisionLabs (ВижнЛабс) (13, 32)
PTV Group (2, 25)
Другие (332, 180)
ВидеоМатрикс (Videomatrix) (9, 9)
VisionLabs (ВижнЛабс) (3, 9)
PTV Group (1, 6)
Ростелеком (3, 5)
VizorLabs (Визорлабс) (2, 5)
Другие (14, 21)
VizorLabs (Визорлабс) (7, 11)
ВидеоМатрикс (Videomatrix) (7, 8)
VisionLabs (ВижнЛабс) (2, 2)
Nord Clan (Норд Клан) (1, 2)
Автодория (1, 1)
Другие (16, 16)
VizorLabs (Визорлабс) (4, 13)
Технологии безопасности дорожного движения (ТБДД) (1, 3)
РИР (Росатом Инфраструктурные решения) (1, 2)
Nord Clan (Норд Клан) (1, 2)
Softlogic (Софтлоджик Рус) (1, 2)
Другие (13, 14)
NVI Research (1, 1)
Softline (Софтлайн) (1, 1)
Российская ассоциация экспертов рынка ритейла (1, 1)
Трэктис (1, 1)
PTV Group (1, 1)
Другие (3, 3)
Распределение систем по количеству проектов, не включая партнерские решения
PTV Visum - 25
VisionLabs Luna - 24
Визорлабс Контроль ОТ и ПБ (VizorLabs Health & Safety) - 24
Vocord Traffic - 16
ЦРТ: Визирь - 14
Другие 249
PTV Visum - 6
VisionLabs Thermo (ранее VisionLabs Termo) - 5
VisionLabs Luna - 5
Визорлабс Контроль ОТ и ПБ (VizorLabs Health & Safety) - 4
Nord Clan: RDetector - 3
Другие 33
Визорлабс Контроль ОТ и ПБ (VizorLabs Health & Safety) - 6
Nord Clan: RDetector - 2
Vmx SILA: HSE - 2
VisionLabs Luna Pass - 1
Визорлабс Цифровой дефектовщик (VizorLabs Checkman) - 1
Другие 28