Проекты
Исследование подходов 3D моделирования и генерации синтетических данных для обучения нейронных сетей
Тип участника:
Физическое лицо
Полное наименование организации/физического лица/авторского или творческого коллектива:
Вервейн Семен Викторович
В лице (для организации или авторского/творческого коллектива указывается ФИО и должность руководителя):
Андреева Ангелика Юрьевна
Интернет-сайт заявителя:
https://www.altstu.ru/
Контактное лицо: ФИО:
Вервейн Семен Викторович
ФИО всех участников авторского/творческого коллектива:
Вервейн Семён Викторович
Андреева Ангелика Юрьевна
Андреева Ангелика Юрьевна
Идея и краткое описание ИТ-проекта:
Использование подходов 3D моделирования и программирования для генерации синтетических данных для обучения нейронных сетей. Для этой задачи используется новейший подход генерации синтетических данных с помощью 3D моделирования, что позволяет создавать качественные, реалистичные данные, схожими с реальными.
Перечень решаемых задач:
1) Нехватка данных для обучения нейронных сетей.
2) Улучшение нейронных сетей, методом их обучения не только на реальных данных, но и на синтетических.
3) Создание качественных, реалистичных данных, схожих с реальными.
2) Улучшение нейронных сетей, методом их обучения не только на реальных данных, но и на синтетических.
3) Создание качественных, реалистичных данных, схожих с реальными.
Описание функциональных возможностей и элементов проекта:
- В данном проекте использовался, новейший метод для генерации синтетических данных, методом трёхмерного моделирования объектов.
- Данный метод позволяет создавать такие данные (изображения), которые схожи с реальными.
- В рамках проекта, данные были протестированы на нейронных сетях в сфере дефектоскопии и улучшили распознавание дефектных объектов.
Дата внедрения (в случае, если предполагается запуск проекта в эксплуатацию):
-
Используемые платформы, средства разработки:
Blender, Python, Blender Python API
Стоимость разработки системы:
Выполнена в рамках ВКР
Средний размер ежегодных затрат на эксплуатацию:
Выполнена в рамках ВКР
Перспективы развития:
- Создание полноценного дополнения для Blender, генерирующего синтетические данные
- Улучшить качество генерируемых синтетических данных
- Использовать другие методы для генерации синтетических данных на основе трёхмерного моделирования
Достижение поставленных целей:
- Использование синтетических данных проекта на реальных нейронных сетях.
- Справка о внедрении
- Публикация и выступление на Всероссийской научно-практической конференции «СОВРЕМЕННЫЕ ЦИФРОВЫЕ ТЕХНОЛОГИИ», РИНЦ, Секция «Программная инженерия»
- Публикация в журнале "Современные цифровые технологии: Материалы I Всероссийской научнопрактической конференции", URL: https://journal.altstu.ru/konf_2022/2022_1/102/
- Отличная защита ВКР
Социальная значимость и/или экономическая эффективность (в зависимости от типа проекта):
- Применение проекта, методов и технологий необходимо для обучения и улучшения работы нейронных сетей.
- Данный проект может сэкономить расходы на обучения нейронных сетей на малом количестве данных, используя вместо реальных данных синтетические.
Актуальность, экономическая или социальная полезность:
- Применение новейших методов генерации синтетических данных.
- Обучение нейронных сетей на основе синтетических и реальных данных.
Масштабируемость, способность к взаимодействию с другими системами, мобильность:
Данный проект разработан в основном для дефектоскопии, но также методы использованные в этом проекте можно использовать в других сферах.
Обоснованность применяемых проектных решений:
В проекте использовалось трёхмерное моделирование для генерации синтетических данных. Такой метод был выбран потому, что он малоизвестен и непопулярен, хотя имеет очень большой потенциал.
Оригинальность, новизна, отличие от аналогов либо отсутствие аналогов:
Оригинальность - Методы генерации синтетических данных, с помощью трёхмерного моделирования объектов мало используются на практике и публикуются лишь в статьях, хотя их потенциал очень велик.
Новизна - В проекте были использованы новейшие методы генерации синтетических данных, с помощью трёхмерного моделирования объектов и получения из них качественных реалистичных данных
Отсутствие аналогов - Очень малое количество аналогов проекта, так как методы являются новейшими.
Новизна - В проекте были использованы новейшие методы генерации синтетических данных, с помощью трёхмерного моделирования объектов и получения из них качественных реалистичных данных
Отсутствие аналогов - Очень малое количество аналогов проекта, так как методы являются новейшими.
Юзабилити и полезность:
Дополнение для Blender с минималистичным дизайном
Гарантирую достоверность предоставленной в заявке информации. Подтверждаю, что организация не находится в состоянии ликвидации, банкротства, реорганизации (Только для организаций):
Да
Презентация проекта pdf:
Загрузить