Искусственный интеллект и принятие решений
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Правила для авторов

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Искусственный интеллект и принятие решений:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Искусственный интеллект и принятие решений, 2021, выпуск 4, страницы 62–74
DOI: https://doi.org/10.14357/20718594210406
(Mi iipr119)
 

Анализ сигналов, аудио и видео информации

Основные подходы к подготовке визуальных данных для обучения нейросетевых алгоритмов

А. Г. Лапушкинa, Д. А. Гавриловab, Н. Н. Щелкуновa, Р. Н. Бакеевc

a Московский физико-технический институт (государственный университет), г. Долгопрудный, Россия
b Институт точной механики и вычислительной техники имени С. А. Лебедева РАН, г. Москва, Россия
c Фонд перспективных исследований, г. Москва, Россия
Аннотация: Проведен анализ основных подходов, которые используют разработчики нейросетевых алгоритмов для подготовки обучающих данных и формирования обучающих выборок. Рассмотрены возможные способы получения размеченных изображений. В качестве примеров открытых библиотек размеченных изображений показаны ImageNet или Coco, предлагающие размеченные и аннотированные фотоизображения, а также библиотеки наборов трехмерных данных. Исследованы специализированные редакторы разметки изображений для работы с нестандартными и неполно представленными в общедоступных библиотеках объектами, позволяющие размечать данные как вручную, так и в полуавтоматическом режиме. Рассмотрены генераторы синтетических данных и симуляторы, позволяющие имитировать трудновоспроизводимые события, а также комбинированный подход с использованием сетей типа GAN. Выполнен анализ основных сложностей, возникающих у разработчиков при подготовке обучающих данных, в том числе проанализированы недостатки готовых наборов данных, синтетических генераторов и подхода, использующего сети типа GAN.
Ключевые слова: нейронные сети, обучающие выборки, визуальные данные, разметка, симулятор.
Англоязычная версия:
Scientific and Technical Information Processing, 2022, Volume 49, Issue 6, Pages 463–471
DOI: https://doi.org/10.3103/S0147688222060089
Реферативные базы данных:
Тип публикации: Статья
Образец цитирования: А. Г. Лапушкин, Д. А. Гаврилов, Н. Н. Щелкунов, Р. Н. Бакеев, “Основные подходы к подготовке визуальных данных для обучения нейросетевых алгоритмов”, Искусственный интеллект и принятие решений, 2021, № 4, 62–74; Scientific and Technical Information Processing, 49:6 (2022), 463–471
Цитирование в формате AMSBIB
\RBibitem{LapGavShc21}
\by А.~Г.~Лапушкин, Д.~А.~Гаврилов, Н.~Н.~Щелкунов, Р.~Н.~Бакеев
\paper Основные подходы к подготовке визуальных данных для обучения нейросетевых алгоритмов
\jour Искусственный интеллект и принятие решений
\yr 2021
\issue 4
\pages 62--74
\mathnet{http://mi.mathnet.ru/iipr119}
\crossref{https://doi.org/10.14357/20718594210406}
\elib{https://elibrary.ru/item.asp?id=47367819}
\transl
\jour Scientific and Technical Information Processing
\yr 2022
\vol 49
\issue 6
\pages 463--471
\crossref{https://doi.org/10.3103/S0147688222060089}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/iipr119
  • https://www.mathnet.ru/rus/iipr/y2021/i4/p62
  • Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Искусственный интеллект и принятие решений
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024