Российский исседователь Андрей Савченко создал метод, который позволяет ускорить распознавание образов на видео. Обученная по новому алгоритму нейросеть принимает решения в десять раз быстрее. Работа представлена на страницах Information Sciences.

Нейросети могут различать на видео людей и животных. Их искусственные нейроны обучаются, запоминая внешний вид объекта на изображении. Обычно исследователи обучают нейросеть на открытой базе фотографий, таких как ImageNet или Places. Для ускорения процесса алгоритм настраивают либо перебирать только часть эталонных изображений, либо использовать лишь малое число признаков. Однако, когда на фото изображены предметы разных классов и для каждого класса есть только несколько образцов для обучения, возникают сложности.

Исследователь из Высшей школы экономики разработал сеть, которая быстро распознает образы без потерь в точности. Метод получил название метода последовательных тернарных решений (sequential three-way decisions). При таком подходе нейросеть делит изображения на простые (на которых объекты легко различимы) и сложные (на которых объекты различаются плохо и требуют более детального рассмотрения).

«Каждое фото описывается тысячами характерных признаков. Сравнивать все признаки входного изображения со всеми признаками обучающего примера не имеет смысла. Если сравнивать все со всем, большая часть образцов будет не похожа на анализируемую картинку. Поэтому новый метод сравнивает только несколько самых важных признаков за раз. На следующем шаге количество признаков вновь увеличивается и процесс повторяется», — отметил Савченко.

Подход уменьшает время распознавания в 1,5—10 раз по сравнению с принятыми сейчас: обычными классификаторами и известными многоклассовыми последовательными тернарными решениями. Низкая стоимость позволит применять разработку на мобильных устройствах и других гаджетах.