Giluminiu mokymusi grįsta automatinė sistema jūros dugno vaizdų atpažinimui ir kiekybinei analizei

Jūrinių teritorijų panaudojimui reikia integruoto planavimo ir valdymo, grįstų tvirtomis mokslinėmis žiniomis ir patikimu jūros dugno žemėlapiu. Vienas iš plačiausiai taikomų jūros dugno žemėlapio sudarymo metodų yra povandeniniai vaizdai (PV). Pagrindinis metodo privalumas yra paprastumas ir efektyvumas, kas leidžia sparčiai surinkti didelius kiekius duomenų. Deja, tik nedidelė dalis informacijos, esančios PV yra naudojama dėl intensyvaus žmogiškųjų resursų poreikio ir daug laiko trunkančių analizės procedūrų. Pastangos sukurti automatizuotus metodus tokių vaizdų apdorojimui susiduria su povandeninės aplinkos iššūkiais (dugno nehomogeniškumu, netolygiu apšvietimu, spalvų iškraipymu ir pan.). Populiarėjantys ir vis plačiau sėkmingai taikomi nauji gilaus mokymo metodai atveria galimybes efektyvesnei, tikslesnei ir spartesnei PV analizei.

Šis projektas siekia sukurti automatizuotą jūros dugno vaizdų atpažinimo ir kiekybinės analizės metodą, grįstą giluminiu mokymu. Planuojama sukurti vartotojui patogią sistemą, kuri būtų tinkama įvairių jūrinių aplinkų sąlygomis. Sistemos galimybių testavime bus naudojama video medžiaga surinkta Arkties vandenyne, Baltijos jūroje, Viduržemio jūroje ir kitose pasaulio regionuose, kuriuose teko dirbti komandos nariams.

Projekto finansavimas: Lietuvos mokslo tarybos parama moksliniams tyrimams, Mokslininkų grupių projektai.

Projekto rezultatai:

  • Unikali, kruopščiai anotuota, jūros dugno vaizdų duomenų bazė, kuri turės didelę tarptautinę vertę kuriant ir apmokant jūros dugno video analizės sistemas.
  • Naujas, mokymu be mokytojo grįstas būdas, leidžiantis DCNN mokymui pasitelkti ir nežymėtus (ne anotuotus) jūros dugno vaizdus. Ši savybė yra labai svarbi, kadangi didelio kiekio povandeninių vaizdų anotacija yra nepaprasatai daug darbo reikalaujanti užduotis.
  • Naujas metodas ir algoritmai gilaus mokymo modelių diversifikavimui ir sujungimui į kolektyvą pasitelkiant sąlyginius atsitiktinius laukus (Conditional Random Fields) ar Dempster-Shafer teoriją. Tai svarbu siekiant aukšto atpažinimo tikslumo, kadangi jūros dugno vaizdai pasižymi didele įvairove susijusia su kintančiu apšvietimu, filmavimo kameros orientacijos kampu, vandens skaidrumu ir kitais faktoriais.

Projekto įgyvendinimo laikotarpis: 2019-06-01 – 2022-06-30

Projekto koordinatorius: Kauno technologijos universitetas

Projekto partneriai: Klaipėdos universitetas

Metai 2019–2022
Projekto vadovai
Antanas Verikas
Tyrėjai