Инженеры разработали новый нейросетевой комплекс, предназначенный для ускорения обучения систем искусственного интеллекта для беспилотных летательных аппаратов. Решение представляет собой не отдельный инструмент, а полноценную платформу, охватывающую весь жизненный цикл создания моделей машинного обучения для БПЛА — от интеллектуальной разметки аэрофотоснимков до обучения, тестирования и последующего развертывания алгоритмов на бортовых вычислительных системах, включая отечественные процессоры «Эльбрус».
Ключевое отличие проекта — все процессы происходят внутри инфраструктуры без передачи данных во внешние облака. Это исключает риски утечек и зависимость от зарубежных сервисов. Кроме того, в системе реализованы механизмы интеллектуальной сортировки изображений по изменению ракурса, ранжирования по информативности и автоматического переноса разметки между пересекающимися кадрами. Это позволяет ускорить формирование обучающих выборок в среднем в 3–10 раз, а в отдельных сценариях — до 50 раз.
Платформа адаптирована под ключевые задачи компьютерного зрения для БПЛА: обнаружение, одновременное слежение за несколькими динамическими объектами (мультиобъектный трекинг) и сопровождение целей. Дополнительный элемент — координатно ориентированный алгоритм отслеживания, который фиксирует объекты по их точному положению на карте, снижая вероятность ложных срабатываний.
Эксперты отметили актуальность технологии для стремительно развивающегося рынка беспилотных устройств.
— Перспективы разработки выглядят весьма широкими на фоне активного внедрения дронов в лесное хозяйство. При широком внедрении она способна значительно поднять эффективность эксплуатации беспилотных систем, снизить затраты и обеспечить максимально качественный результат, — сказал эксперт НТИ «Аэронет», официальный представитель компании «Флай Дрон» Николай Ивашов.