Центр геопространственной разведки Миссурийского университета с помощью методов глубокого обучения разработал алгоритм, способный на спутниковых или аэрофотоснимках находить китайские зенитные ракетные комплексы. По оценке ученых, использование их алгоритма позволит обрабатывать разведывательную съемку в 80 раз быстрее людей. Работа исследователей опубликована в SPIE Journal of Applied Remote Sensing, а краткое ее изложение приводит Aviation Week.

В настоящее время обработка разведывательных данных ведется специально обученными специалистами, владеющими методами быстрого поиска различных важных объектов на фотографиях и видеозаписях. Для поиска зенитных комплексов, например, используются, в том числе, типичные приметы, по которым можно с высокой долей вероятности говорить о местах их размещения. Так, в Китае места с размещением таких комплексов на снимках можно узнать, например, по типичному круговому расположению машин (но бывает и нетипичное расположение).

Типичные места размещения зенитных комплексов. University of Missouri

Центр геопространственной разведки — одна из американских организаций, отвечающих за подготовку специалистов по поиску военной техники противника на разведывательных снимках. Свой в опыт в анализе фотографий специалисты центра и использовали при обучении нейросети. Исследователи использовали для обучения несколько сверточных нейросетей: CaffeNet, GoogLeNet, ResNet-50 и ResNet-101. Обучение нейросетей производилось на фотографиях известных китайских зенитных установок и снимках типичиных и нетипичных мест их размещения.

Типичное расположение зенитных комплексов. A — места для пусковых установок, B — мобильные пускозаряжающие установки, C — рампы, D — рампы для радарных установок, E — места для пусковых установок, F — пусковые установки, G — рампы, H — бетонные экраны для защиты от пламени из ракетных двигателей. University of Missouri

После обучения нейросеть GoogLeNet показывала наилучший средний результат распознавания для снимков с установленным уровнем уверенности в конечном результате более 70 процентов. В то же время ResNet-101 продемонстрировала наилучшее быстродействие с высоким результатом с уровнем уверенности менее 70 процентов. Проверка обученных сетей производилась на неизвестных им снимках. Эти же фотографии были предложены специалистам по обнаружению зенитных ракетных комплексов. В итоге нейросети с точностью 0,9 нашли зенитные установки за 42 минуты. У людей эти показатели составили 0,9 и 60 часов.

В середине июля текущего года исследователи из Гранадского университета в Испании, используя методы машинного обучения, разработали программное обеспечение, которое с высокой точностью в режиме реального времени может обнаруживать пистолет на видеозаписи или в видеотрансляции. Новое программное обеспечение позволит реализовать обнаружение стрелкового оружия только средствами видеонаблюдения. Слабой стороной программы, по заявлению разработчиков, является только ее неспособность обнаруживать скрытое под одеждой оружие.

При создании программы ученые использовали предварительно обученную нейросеть. Ее обучение распознаванию объектов проводилось на базе изображений ImageNet, включающей в себя около 1,3 миллиона фотографий предметов примерно тысячи разных классов. Точное обучение распознаванию оружия осуществлялось уже на трех тысячах фотографий оружия, подготовленных исследователями. В итоге исследователи получили программу, которая с довольно высокой точностью может определять оружие на видеозаписях. Точность работы алгоритма составkztn 96,6 процента.

Автор: Василий Сычёв