Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
В СПбПУ использовали Петербург в качестве модели для переноса реального мира в цифровое пространство
Исследователи НЦМУ «Передовые цифровые технологии» СПбПУ разработали алгоритм, который делает более эффективным перенос данных о геометрических характеристиках объектов физического мира в цифровое пространство в рамках решения задач цифровой трансформации промышленности. Для этого был создан алгоритм выделения отдельных объектов реального мира и их классификации.
Результаты разработки были представлены в публикации в научном журнале Remote Sensing. Автоматизированная обработка результатов лазерного сканирования объектов физического мира для создания цифровых образов объектов в виртуальном мире является актуальной задачей, над которой работают специалисты со всего мира. При работе с существующими промышленными объектами облака точек получаются огромных размеров и без специальных алгоритмов не обойтись. Перспективным является использование алгоритмов искусственного интеллекта. Для их использования необходимо создавать специальные наборы данных, которые будут использоваться для кластеризации и идентификации объектов облаках точек.
Исследователям НЦМУ СПбПУ удалось создать такой набор данных для облаков точек, полученных в результате мобильного лазерного сканирования. Отличительной особенностью данного набора является то, что он предназначен для распознавания объектов на основе универсальной схемы классификации. Соответствующие типы объектов представляют особый интерес для формирования цифрового представления существующих промышленных предприятий. При этом следует отметить, что существующие наборы данных облаков точек имеют разные схемы классификации, что делает невозможным их совместное использование для обучения и тестирования моделей глубокого обучения.
Предложенная специалистами НЦМУ СПбПУ находится в открытом доступе и может быть использована широким кругом исследователей. «Поскольку наша классификационная схема содержит набор из 10 универсальных категорий объектов, (здания, транспорт, растительность и др.) на которые можно разделить облака точек лазерного сканирования, ее можно использовать для разработки регламентированных наборов данных, которые в итоге можно использовать как единый набор данных для обучения моделей глубокого обучения», — прокомментировал особенность разработки соавтор исследования, ведущий научный сотрудник лаборатории «Моделирование технологических процессов и проектирование энергетического оборудования» НЦМУ СПбПУ Владимир Баденко.
Основываясь на собственной классификации, специалисты НЦМУ СПбПУ разработали гибридный набор, состоящий из реальных и синтетических данных, для сегментации объектов. Он содержит 34 миллиона реальных точек и 34 миллиона синтетических. Реальные данные были собраны на улице Комсомольской в Санкт-Петербурге при помощи мобильной картографическую системы Riegl VMX-450, имеющей два лазерных сканера, а также шесть цифровых камер высокого разрешения. Облака точек реального мира из набора данных описывают объекты типичной городской среды начала ХХ века, включая дома высотой до 50 метров (пять этажей) с историческими фасадами, заборами, столбами, линиями электропередач и объектами ландшафта (деревья, реклама, урны, скамейки и так далее). Данные также содержат множество динамических объектов, таких как пешеходы и движущиеся транспортные средства.
Синтетическая часть была сгенерирована из трех виртуальных сред городских районов, созданных из 3D-моделей. Ученые использовали объекты с реалистичной геометрией и размещали их внутри городских сцен так, чтобы макеты сцен соответствовали реальному миру. «Мы получили высокую оценку производительности нейронной сети Kernel Point (KP-FCNN), обученной на нашем наборе данных, — 92,56 процентов mIoU, что демонстрирует высокую эффективность использования моделей глубокого обучения для семантической сегментации плотных крупномасштабных облаков точек в соответствии с предложенной схемой классификации. Мы надеемся, что наш набор данных будет способствовать разработке моделей глубокого обучения для сегментации сложных объектов», — отметил Владимир Баденко.
Столь высокий результат ученые объясняют тем, что, во-первых, набор данных SP3D включает в себя широкий спектр классов объектов, а также в SP3D используются высококачественные аннотации, обеспечивающие точную и подробную маркировку объектов. В дальнейшем, авторы исследования планируют продолжить свои разработки в направлении разработки наборов данных для воздушного лазерного сканирования.
Лето — время сбора грибов, ягод и работы на даче, но не все дары природы безобидны. Некоторые представители флоры могут нанести вред здоровью, а их выращивание — обернуться штрафом. Эксперты Пермского Политеха рассказали, какие растения запрещено разводить в огороде, что делать, если встретились с борщевиком, какие кустарники лучше не высаживать на участках, где есть дети, от сбора каких трав и грибов лучше отказаться и почему некоторые лесные ягоды лучше никогда не класть в корзинку.
Богомолы единственные среди насекомых обладают стереоскопическим зрением, как у человека. Британские биологи провели эксперимент над богомолами, надев на них 3D-очки и подвесив вниз головой. Специалисты проверяли, как охотники отреагируют на стимулы с разной и одинаковой контрастностью. В итоге опыт стал иллюстрацией парадокса буриданова осла.
Изучив распределение древних и плотных звездных систем в скоплении Персея, ученые наткнулись на уникальную галактику, которая практически полностью состоит из темной материи.
Радиотелескопы уловили очень короткий сигнал, и по его характеристикам стало ясно, что он не может быть естественного происхождения. Астрономы пришли к выводу, что источник находился в околоземном пространстве — там, где уже более полувека летает «мертвый» аппарат NASA.
В ЮФУ придумали новый остроумный способ тестировать ИИ на способность работать в реальных ситуациях использования русского языка. Исследователи искусственного интеллекта из МИИ ИМ ЮФУ предлагают использовать интеллектуальные языковые игры, как пример — заставлять ИИ отвечать на вопросы из архива телевикторины «Что? Где? Когда?» и «Своей игры». Инициативу прокомментировал опытный игрок.
Ученые проанализировали сохранившиеся следы языка гуннов и пришли к неожиданному выводу: он принадлежал к енисейской семье языков. По их мнению, потомками гуннов были аринцы, до XVIII века проживавшие в районе Красноярска и совершавшие набеги на русские опорные пункты.
Радиотелескопы уловили очень короткий сигнал, и по его характеристикам стало ясно, что он не может быть естественного происхождения. Астрономы пришли к выводу, что источник находился в околоземном пространстве — там, где уже более полувека летает «мертвый» аппарат NASA.
Вид антилоп, с ледникового периода привыкший к массовым миграциям, пытается вернуться в свой исторический ареал, когда-то достигавший Днепра. Однако их нетипичные для травоядных привычки вызывают сильнейшее отторжение у сельских жителей, предлагающих массово уничтожать их с воздуха. С экологической точки зрения возвращение этих животных весьма желательно, но как примирить их с фермерами — неясно.
Недавно вышел второй сезон сериала «Одни из нас» (TheLastofUs), созданного по сюжету популярнейшей видеоигры. Ученые Пермского Политеха решили разобраться, насколько реален сценарий грибной пандемии, превращающей людей зомби? Чем живет кордицепс и как он «ищет» своих жертв, действительно ли паразит способен эволюционировать настолько, чтобы поражать человеческий организм и подчинять себе его волю, был бы у людей шанс выжить, какие грибы уже поселились в наших телах и выручит ли нас иммунитет, сформированный тысячелетиями.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
ПонятноИз-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
ПонятноНаши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
ПонятноМы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Комментарии