Полуавтоматическая разметка одноклассовых изображений с применением нейросетевой модели обнаружения объектов

Abstract

В результате резкого роста популярности ресурсозатратных методов искусственного интеллекта возникает серьезная проблема предварительной подготовки данных для эффективного обучения моделей на основе сверточных нейронных сетей. Авторами представлен подход, построенный по принципу итеративного обновления обучающей выборки с применением нейросетевой модели YOLO для обнаружения областей интереса, выделения объектов и автоматизации процесса разметки исходных изображений. Предлагаемый подход был апробирован с различными конфигурациями модели для разметки бактерий на изображениях, полученных с помощью сканирующего электронного микроскопа, и в среднем продемонстрировал показатели точности ~90% в процессе обработки набора данных с увеличением исходной обучающей выборки в 1.75 раз.