Единую онлайн-платформу для распознавания объектов создали в НГУ  Оригинал

Платформа iOk включает набор облачных цифровых сервисов для автоматического анализа изображений с применением методов глубокого машинного обучения и искусственного интеллекта, сообщила пресс-служба вуза.

На платформе размещены три сервиса. Универсальный телеграм-сервис No Code ML предназначен для классического обучения нейронной сети на датасетах пользователя. Другой сервис – DLgram – разработан для распознавания многочисленных однородных объектов различного характера. Включает обучение нейронной сети пользователем по размеченному участку с этого же изображения. Онлайн-сервис ParticlesNN разработан для автоматического распознавания наночастиц на изображениях сканирующей зондовой микроскопии (СЗМ) и электронной микроскопии (ЭМ) нейросетью.

Сервисы предусматривают обучение нейросети на объектах пользователя, автоматическое распознавание объектов на изображениях и возможность корректировки результатов распознавания пользователем. Также сервисы анализируют объекты и определяют их параметры. Сервисы могут работать со снимками с электронных микроскопов, фотоснимками с цифровых камер (в том числе смартфонов), видеозаписями. Они распознают наночастицы, микроорганизмы, клетки, семена растений и более крупные объекты – животных, растения, транспортные средства.

«Преследовалось две цели – избавить научных работников от рутинной работы и сэкономить их время ... Часто стоит задача характеризации изображений, полученных с микроскопа: необходимо определить, например, средний размер объектов или их количество. Ученым приходилось производить эти манипуляции вручную, затрачивая массу усилий и времени. Существовали автоматические методы обработки изображений, основанные на так называемых пороговых подходах, но они давали хорошие результаты только на изображениях высокого качества, а шумы и области засветки воспринимались как отдельные объекты и результаты оказывались недостоверными. В создании наших сервисов мы решили использовать современные методы компьютерного зрения, основанные на методах искусственного интеллекта», — рассказал заведующий лабораторией глубокого машинного обучения в физических методах Института интеллектуальной робототехники НГУ Андрей Матвеев.