Специалисты по ИИ предложили новый метод распознавать товары для весов и касс самообслуживания. Как пишет habr.com, в этом может помочь система компьютерного зрения.

Новый способ распознавания товаров — PseudoAugment — предложили специалисты из “Сколтеха”. Их исследование опубликовал журнал IEEE Access. Учёные предлагают упростить процесс определения и взвешивания товара с помощью системы компьютерного зрения. 

Как отметил один из авторов работы, инженер-программист и аспирант Центра технологий искусственного интеллекта “Сколтеха” Сергей Нестерук, у существующих инструментов есть несколько недостатков. В частности, в магазинах часто встречаются визуально похожие овощи и фрукты, часто привозят новые. Поэтому классические системы компьютерного зрения приходится всё время переобучать. 

“PseudoAugment позволяет настраивать нейронную сеть для работы с новыми классами без длительного процесса сбора и разметки данных. Систему можно настроить даже до того, как новые сорта окажутся на полке магазина. К примеру, ящик с новым сортом можно поставить под камеру и сфотографировать. Используя несколько фотографий, алгоритм без ручной разметки извлекает объекты, дополняет изображения, и на их основе можно дообучать нейронную сеть”, — говорится в публикации. 

Как отметили разработчики метода, при добавлении новых классов товаров качество их распознавания ухудшается не так сильно, чем при обучении без аугментации. Самое главное, что она сможет работать сразу, как только в магазине появится новый продукт.

Аугментацией называют процесс дообучения. В данном случае речь идёт о дополнении снятых фото синтезированными изображениями (визуальной трансформацией исходных данных). Например, перевёрнутые или отредактированные фотографии. С помощью аугментации повышается разнообразие данных, а сама модель становится надёжнее.

По мнению создателей, новый метод помогает активно развивать датацентрический подход, когда учёные улучшают данные и применяют их в уже готовых моделях. Сфера применения алгоритма не ограничивается супермаркетами. Его можно использовать для обучения распознавания однородных объектов, например на конвейерах для сортировки семян или твёрдых бытовых отходов.