КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

---

Номер 23-21-00486

НазваниеРазработка и исследование методов и алгоритмов визуального внимания на основе нейронных сетей на графах и данных с ограниченной аннотацией

РуководительЗахаров Алексей Александрович, Кандидат технических наук

Организация финансирования, регион федеральное государственное бюджетное образовательное учреждение высшего образования "Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых", Владимирская обл

Период выполнения при поддержке РНФ

2023 г. - 2024 г.

Конкурс№78 - Конкурс 2022 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами».

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах, 01-213 - Обработка и анализ изображений и сигналов

Ключевые словавизуальное внимание, нейронные сети на графах, компьютерное зрение, ограниченная аннотация

Код ГРНТИ28.23.15

---

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

---

Аннотация
Проект предусматривает разработку и исследование методов и алгоритмов визуального внимания на основе нейронных сетей на графах и данных с ограниченной аннотацией. Основная цель визуального внимания – использование наименее возможного количества информации для решения сложных высокоуровневых задач распознавания объектов. Предполагается, что при использовании структурного представления сцен точность и робастность методов визуального внимания будут высокими. При этом для обучения будут использоваться данные с ограниченной аннотацией. Разработка новых методов визуального внимания на основе нейронных сетей на графах и данных с ограниченной аннотацией позволит сократить затраты на подготовку данных для обучения, даст возможность обнаруживать объекты, для которых количество экземпляров в обучающем наборе ограничено, снизит зависимость систем от этапа предварительного обучения, позволит определять предпочтения для конкретных систем. Научной новизной являются разрабатываемые методы визуального внимания на основе нейронных сетей на графах и моделей слабо контролируемого обучения (wealky supervised learning), трансферного обучения (transfer learning), обучения с «несколькими выстрелами» (few-shot learning). Результаты проекта могут быть применены для автономной навигации роботов, человеко-машинных интерфейсов, контроля технологических процессов, дистанционного зондирования Земли, медицинской диагностики и биометрии, видеонаблюдения.

Ожидаемые результаты
1. Метод и алгоритмы визуального внимания на основе нейронных сетей на графах и моделей слабо контролируемого обучения (wealky supervised learning), позволяющие обнаруживать значимые области на основе изображений с неточной маркировкой. Это позволит сократить затраты на подготовку обучающего набора данных. 2. Метод и алгоритмы визуального внимания на основе нейронных сетей на графах и моделей «с несколькими выстрелами» (few-shot learning), позволяющие обнаруживать значимые области для объектов, которые имеют ограниченное количество экземпляров в обучающем наборе. Это позволит преодолеть проблемы, связанные с подготовкой обучающего набора данных. 3. Метод и алгоритмы визуального внимания на основе нейронных сетей на графах и моделей трансферного обучения (transfer learning), позволяющие обнаруживать значимые области для объектов, которые имеют ограниченное количество экземпляров в обучающем наборе. Это позволит снизить зависимость систем визуального внимания от этапа предварительного обучения и позволит определять предпочтения для конкретных систем.

---

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

---