Исследователи Балтийского федерального университета имени Канта совместно с коллегами из МФТИ и МГУ имени Ломоносова нашли оптимальный метод обучения нейросети, способной автоматически распознавать плавающий мусор в океане по видеозаписям с борта судна.
Об этом ТАСС сообщили в Минобрнауки России. Представленная модель отличает пластик от птиц, бликов и капель на объективе камеры, благодаря чему может использоваться для постоянного мониторинга состояния морей.
Ежегодно в Мировой океан попадает до 23 миллионов тонн антропогенного мусора, который наносит серьёзный вред экосистемам. Морские животные могут проглотить крупные частицы, препятствующие дыханию, или запутаться в пакетах, сетях и волокнах. Отслеживать скопления плавающего мусора необходимо, но делать это вручную с судов — долго и трудоёмко. Альтернатива — анализировать снимки поверхности океана с дронов или судовых камер, для чего и нужны надёжные нейросети.
Для обучения алгоритмов учёные использовали видеозаписи, сделанные с борта научно-исследовательского судна «Дальние Зеленцы» во время арктической экспедиции 2023 года. Было собрано 136 часов материала, которые разбили на отдельные кадры, получив более полумиллиона фотографий морской поверхности. На примерно 10 тысячах снимков исследователи вручную отметили птиц, мусор, цветные блики и капли воды, попавшие на объектив.
На первом этапе нейросеть обучалась самостоятельно, почти без помощи человека. Алгоритму показывали пары кадров, сделанных с разными временными промежутками. Анализируя изменения, нейросеть создала представление о том, как выглядит обычный океан, и научилась определять любые отклонения от нормы — мусор, птицу или необычный блик. Затем дополнительный классификатор различал эти аномалии между собой по внешним признакам.
Второй метод обучения занял больше времени: алгоритму показывали множество изображений с уже отмеченными вручную объектами, после чего он научился находить такие же объекты на новых снимках. Учёные намеренно меняли соотношение «пустых» кадров и изображений с объектами, обучая алгоритмы на разных наборах данных. Оказалось, что нейросеть, прошедшая самообучение, на 30 процентов эффективнее находила мусор на снимках, чем алгоритм, обученный на размеченных человеком изображениях.
