Компания Cognitive Pilot — один из ведущих мировых разработчиков систем искусственного интеллекта для беспилотного транспорта, входит в экосистему Сбера — внедрила подход DeVISE (Deep Visual Semantic Embedding) для выбора разнообразных, репрезентативных данных из видеопотока при обучении нейронных сетей. Процесс основан на применении искусственного интеллекта и не требует участия человека. Об этом сообщает ИА IrkutskMedia со ссылкой на пресс-службу банка.
Чтобы нейронная сеть могла с промышленной точностью распознавать объекты дорожной, полевой или иной среды и обеспечивать безопасность езды в любое время суток, ее необходимо обучить на больших массивах данных. Вручную выбирать эти данные из видеопотока длительностью более миллиарда кадров очень долго и утомительно. Подход DeVISE позволяет нейронной сети автоматически выбирать из видеопотока разнообразные и репрезентативные данные, используя метрику сравнения разных кадров. Механизм также позволяет отфильтровывать из видеопотока лишние данные, не влияющие на процесс обучения.
"Наши коллеги из Cognitive Pilot продемонстрировали огромное преимущество систем искусственного интеллекта над традиционными подходами. Эта инновация в разы сокращает время разработки и кардинально упрощает создание умных решений в одном из наиболее востребованных секторов рынка — беспилотниках. Благодаря этой технологии мы сможем увеличить функциональность существующих решений для автономного управления сельскохозяйственным и рельсовым транспортом и масштабировать наши проекты на новые российские и зарубежные рынки", — рассказал первый заместитель председателя правления Сбербанка Александр Ведяхин
Как отметила генеральный директор Cognitive Pilot Ольга Ускова, у компании большой опыт по обучению нейронных сетей и созданию датасетов.
"В этой зоне мы в числе мировых лидеров. В отличие от многих игроков рынка искусственного интеллекта для беспилотного транспорта, которые работают в основном с готовыми данными, публичными датасетами и используют их в приложениях для одного направления (или агро, или automotive, или иного) мы накопили солидную экспертизу по обучению нейронных сетей на собственных датасетах сразу в нескольких сегментах: агро, рельсового транспорта и авто", — подчеркнула она.
Благодаря внедрению подхода была решена сложнейшая задача, которая позволяет экономить десятки человеко-лет при создании автопилотов и значительно упрощает процесс разработки в этой области. Если раньше на обработку видеопотока при обучении нейронных сетей и создании датасетов уходили годы, то сегодня достаточно просто нажать кнопку.
