Новая технология от ученых МИСИС поможет быстро подобрать нейросеть для разных устройств

Быстро выбрать наилучшую архитектуру нейросети для конкретного мобильного устройства — сложная задача. Вычислительные мощности дешевых и дорогих смартфонов существенно различаются, поэтому невозможно найти единственную универсальную нейросеть с высокой точностью и приемлемой производительностью для всех устройств. Особенно актуально это проблема стоит перед компаниями-производителями, у которых большие партии техники с различными микрочипами и характеристиками. Им необходим точный ответ, какую именно нейронную сеть для распознавания лиц лучше поставить на отдельно взятую модель устройства.

На сегодняшний день существуют разные архитектуры, но их невозможно адаптировать для конкретного устройства. Преимущества новой методики в том, что её легко интегрировать в любую технику и не нужно обучать с нуля. Устройство отправит информацию о времени работы каждого слоя нейросети на сервер, а тот в ответ вышлет оптимальную для него модель.

«При установке на смартфон специальное приложение анализирует технические возможности конкретного устройства, а затем из обученной нейронной сети SuperNet с помощью предложенного алгоритма выбирается наиболее точная подсеть, которая будет анализировать изображение лица за заданное время на этом устройстве. Наличие уже обученной нейросети, нескольких подсетей и демонстрационного приложения для Android облегчает практическое внедрение предложенного фреймворка», — говорит соавтор исследования Илья Макаров, директор центра искусственного интеллекта НИТУ МИСИС, руководитель группы «ИИ в промышленности» института искусственного интеллекта AIRI.

Одной из наиболее сложных задач распознавания образов являются задачи проверки и идентификации лиц. В типичных сценариях обучающий набор содержит небольшое количество фотографий по каждому интересующему человеку. В настоящее время эти задачи решаются путем извлечения признаков, или же дескрипторов, с помощью глубокой нейронной сети, предварительно обученной на больших внешних наборах данных. К сожалению, даже современные дескрипторы лица характеризуются расовой предвзятостью, низкой точностью при низкой освещенности и зачастую требуют повторной идентификации. Практически невозможно обучить универсальный дескриптор лица, который можно было бы использовать для распознавания лиц в реальном времени с высокой точностью на всех устройствах. Одним из потенциальных решений как раз является использование поисковика нейронной архитектуры для правильного выбора нейронной сети для конкретного устройства и методов автоматического машинного обучения (AutoML). Подробно технология описана в научном журнале IEEE Access (Q1).

«Мы сделали не продукт, а открытую технологию, которую могут использовать все желающие. Представьте, что у вас есть партии из миллиона планшетов, на которые надо установить модуль для идентификации лиц. У них конкретные микрочипы и определенные технические мощности. Можно взять из коробки одно устройство, установить наше приложение, которое определит наиболее подходящую модель, которая подойдет именно для этой модели планшета и будет распознавать лица за 5,10 или 20 миллисекунд. Кстати, мы решаем задачу не только идентификации, но и верификации лиц», — объясняет руководитель исследования Андрей Савченко, заместитель директора центра искусственного интеллекта НИТУ МИСИС.

Код выложен в открытом доступе, любой заинтересованный человек сможет установить и протестировать эту систему.