В университете им. Королева создали нейросеть для обработки гиперспектральных данных
В университете им. Королева создали нейросеть для обработки гиперспектральных данных
Ученые Самарского университета им. Королева разработали нейросеть, способную почти со скоростью света обрабатывать гиперспектральные данные, в том числе с беспилотников или космических спутников, сообщили в пресс-службе вуза.
«Ученые Самарского университета им. Королева разработали и испытали скоростную нейросеть, способную в режиме реального времени анализировать поступающий видеопоток и практически мгновенно распознавать и находить в этом видеопотоке заданные объекты и изображения. Наряду с анализом картинки с обычной видеокамеры, разработка может оперативно, почти со скоростью света, анализировать также данные, получаемые с помощью гиперспектрометров — устройств, видящих реальность в многоканальном спектральном отображении и позволяющих обнаруживать объекты, невидимые для обычных средств наблюдения», — говорится в сообщении.
Как рассказал профессор кафедры технической кибернетики Самарского университета им. Королева доктор физико-математических наук Роман Скиданов, оптическая нейросеть разработана на основе аналоговой фотонной вычислительной системы. «Аналоговая фотонная вычислительная система позволяет проводить анализ и распознавание объектов почти со скоростью света, что значительно — в сотни раз -превосходит скоростные характеристики современных цифровых нейросетей на основе традиционных полупроводниковых компьютеров. Это особенно важно для оперативного анализа гиперспектральных данных, изначально представляющих собой значительные по объему массивы информации», — рассказал Скиданов.
Кроме быстродействия и широкого спектрального диапазона, аналоговые оптические вычислительные системы обладают также такими преимуществами, как полная защищенность от электромагнитных помех, малое потребление энергии и возможность параллельной обработки данных.
«Наш демонстрационный образец создан с использованием стандартных лабораторных оптико-механических компонентов, а также различных модуляторов и видеокамер. Надежность распознавания в ходе первых экспериментов на демонстрационном образце составила 93,75%. В 2024 году планируется собрать и испытать экспериментальный образец системы в достаточно компактном корпусе размером с небольшой системный блок компьютера, точность и надежность распознавания у экспериментального образца должна вырасти за счет подбора компонентов с улучшенными характеристиками. Опытный образец установки, возможно, будет готов в 2025 году», — отметил Роман Скиданов.