Семинар проводится в двойном формате: очно в ауд.Ц-05 ЮК и в виде онлайн-конференции в zoom. Для получения реквизитов подключения к конференции необходимо прислать письмо в произвольной форме на адрес dolenko@sinp.msu.ru.
Аннотация. Развитие систем видового мониторинга обусловливает необходимость автоматизированного обнаружения объектов на изображениях, характеризующихся сложным фоном, вариативностью масштаба и ориентации объектов, а также наличием естественных искажений. При этом снижение качества изображений и воздействие состязательных атак могут существенно ухудшать эффективность нейросетевого обнаружения объектов, что определяет актуальность разработки методов повышения их робастности. Целью диссертационной работы является повышение точности и робастности (устойчивости) функционирования нейросетевых моделей обнаружения объектов в условиях воздействия естественных искажений и преднамеренных состязательных атак при видовом мониторинге. В работе разработаны способ формирования обучающего набора изображений с естественными искажениями различной интенсивности, использующий полунормальное распределение уровней искажений для повышения устойчивости модели; метод адаптивной предварительной обработки изображений, основанный на статистической оценке неоднородности входного изображения и автоматическом выборе режима фильтрации; а также метод локализации и удаления состязательных патч-атак, использующий реконструкцию входного изображения и анализ локальных статистических характеристик карты ошибок реконструкции.
Дата события: четверг, 17 Сентября, 2026 - 17:30
Событие:
Доклад(ы):
). Повышение устойчивости и точности нейросетевого обнаружения искажённых объектов при видовом мониторинге. (Диссертационная работа.)
Место проведения: Россия, Москва, микрорайон Ленинские Горы, 1с2 (южное крыло физ. факультета МГУ), комната Ц-05
Научный руководитель:
Секретарь: Ефиторов Александр Олегович