Проект ТУ-2501

практико-ориентированный

Применение цифровых двойников при создании обучающих выборок нейросетевых алгоритмов для систем технического зрения.

К задачам проекта относится:
­ обзор современных решений в области цифровых двойников и их создания;
­ мета-анализ существующих нейронных сетей обработки видеоинформации, а также выбор архитектуры нейронной сети (ключевым параметром является быстродействие);
­ создание обучающей выборки нейронной сети с использованием цифровых двойников;
­ разработка методологии оценки качества работы нейронной сети, ее обучение и тестирование.
К задачам проекта также косвенно относятся увеличение качества и пространственного разрешения видеоданных, поиск и отслеживание объектов интереса, построение 3D моделей и др.

Заинтересованные стороны: лаборатория телевизионной автоматики (ТА), кафедра телевидения и управления (ТУ) ТУСУР, организации, создающие и использующие системы технического зрения, и учебные заведения.

.

.

Активное развитие нейронных сетей приводит к повышению эффективности автономных мобильных устройств различного назначения использующих системы технического зрения, однако модели нейронных сетей требуют обучения для успешного распознавание требуемых объектов и ситуаций. Материал для создания требуемых обучающих выборок не всегда может быть доступен. Создание и использование цифровых двойников объектов и процессов в таких случаях является мощным инструментом для решения проблемы создания и совершенствования нейросетевых алгоритмов для систем технического зрения.
Применение цифровых двойников в последние годы является бурно растущим направлением, для этой задачи создаются специализированные приложения и симуляционные платформы для проектирования, имитации, тестирования и обучения роботов и автономных машин на базе искусственного интеллекта в виртуальной среде, основанной на физике, например, NVIDIA Isaac Sim™.

.

Практической значимостью будут обладать полученные цифровые двойники, обучающая выборка и обученная нейронная сеть. Цифровые двойники систем технического зрения могут быть использованы для генерации датасетов и научных исследований. На основе обучающие выборки возможно обучение нейронных сетей с различной архитектурой для других целей. Обученная нейронная сеть может быть интегрирована в системы технического зрения для увеличения качества их работы.

Созданы цифровые двойники объектов, и на их основе созданы обучающие выборки нейросетевых алгоритмов. Разработаны эффективные нейросетевые методы для обработки и анализа видеоданных, получаемых от систем технического зрения.

.

.