Современное состояние и перспективы развития методов компьютерного зрения и глубокого обучения

Представлена концепция двух волн современной технологической революции в области компьютерного зрения, машинного обучения и анализа данных. Первая волна современной технологической революции в данной области началась в 2011 г. и была связана с появлением и распространением глубоких конволюционных (сверточных) нейронных сетей (ГКНС) и методов глубокого обучения. В 2016-2017 гг. появился ряд новых подходов и научных результатов, указывающих на то, что началась вторая волна данной технологической революции. Это такие методы и подходы как глубокие соревнующиеся сети (GAN), интерпретация динамической визуальной информации на естественном языке, обучение глубоких сетей методом подкрепления (Reinforcement Learning), глубокое обучение с использованием структурных моделей, баз знаний и программ логического вывода (Graph Structured CNN, Deep Visual Reasoning), автоматическое конструирование и обучение глубоких сетей при помощи других глубоких сетей, а также решение задач теории игр с использованием ГКНС. В части построения математических моделей ГКНС в докладе кратко описан общий поход к СтруктурноФункциональному Анализу и Синтезу (СФАС) глубоких конволюционных нейронных сетей, который позволяет регулярным образом определить: из каких типовых структурно-функциональных элементов (СФЭ) могут строиться ГКНС; каковы необходимые математические свойства СФЭ; какие комбинации СФЭ являются допустимыми; каковы возможные пути построения и обучения глубоких сетей для анализа и распознавания нерегулярных, неоднородных или сложно структурированных данных.