Обнаружение невидимых объектов в темноте

Инженеры из Массачусетского технологического института (MIT) разработали нейросеть, которая может обнаружить «невидимые» объекты даже в темноте, сообщает Робохантер.

Ученые использовали глубокое машинное обучение – технику, при которой компьютер учат сравнивать определенные входные данные с заданными выходными данными.

Для обучения нейросети команда использовала базу данных из 10 000 полупрозрачных гравюр, каждая из которых обладала разными замысловатыми рисунками горизонтальных и вертикальных линий.

«Посмотрев на эти гравюры невооруженным глазом, мы не увидим многое – для человека каждая из них выглядит как прозрачный кусок стекла, – говорит Александр Гой, ведущий автор исследования. – Но на самом деле там есть очень мелкие структуры, которые все еще влияют на распределение света по картинке».

Исследователи поставили эксперимент, в котором направили камеру на небольшую алюминиевую раму, содержащую модулятор света. Чтобы идентифицировать прозрачные узоры на темных изображениях, команда «скармливала» сети каждую из 10 000 «зернистых» фотографий с узорами.

«Вы говорите компьютеру: “Если я вставлю это, ты должен достать это”, – рассказывает Гой. – Вы делаете это 10 000 раз. И после обучения надеетесь, что, если вы дадите нейросети новое изображение, она сможет рассказать, что видит», – прокомментировал Джордж Барбастатис, профессор машиностроения в MIT.

Отдельные сложности возникли при расфокусировке изображения. С одной стороны, для нейросети она может служить неким доказательством того, что в этой ряби присутствует прозрачный объект. Но, с другой стороны, расфокусировка также создает размытие, которое может запутать вычисления нейронной сети. Чтобы справиться с этим, исследователи включили в нейронную сеть закон физики, который описывает поведение света и то, как он создает эффект размытия при расфокусировке камеры.

После того как прошло обучение, ученые отдали новое темное изображение уже двум нейросетям – той, что была обучена физическим законам, и той, что нет. И обнаружили, что обе достаточно хорошо воссоздали исходный рисунок, но «физически подкованная» нейросеть показала более четкий и точный результат.

«Мы показали, как Deep Learning помогает обнаружить невидимые объекты в темноте, – утверждает Гой. – Этот результат обладает практическим значением для медицины, так как позволяет снизить воздействие вредного излучения на пациента».

Результаты исследования показали, что глубокие нейронные сети можно использовать для освещения прозрачных объектов – например, биологических тканей и клеток на снимках, созданных при небольшом количестве света.

Сейчас для того, чтобы обнаружить и рассмотреть такие объекты, используют рентгеновское облучение – в будущем его сможет заменить более безопасная для организма нейросеть.

В дальнейшем эту разработку также можно будет использовать для распознавания объектов на изображениях с низкой выдержкой – например, в астрономии.