• МФТИ и Институт океанологии РАН создали ИИ-систему для обнаружения морского мусора в Арктике.
• Система основана на классификации изображений и прямом детектировании объектов.
• Подход с использованием контрастного обучения и классификатора CatBoost показал точность 0,4 по метрике F1-score.
• YOLO смог достичь точности около 0,1, но справился с обнаружением птиц лучше (0,73).
• Низкая эффективность YOLO может быть связана с малым количеством примеров для обучения.
• Ученые планируют усовершенствовать алгоритмы для работы в реальном времени и адаптации для автономных платформ мониторинга.
• Проект реализуется при поддержке Президентского фонда природы.

«Низкая эффективность YOLO может быть связана с тем, что морской мусор часто представляет собой мелкие объекты, плохо видимые на фоне волн. Кроме того, к счастью, мусор все еще довольно редкое явление. Малое количество примеров, которые нужно детектировать, является классической проблемой для моделей машинного обучения. Наш подход с предварительным выделением фрагментов изображения позволил лучше справиться с такой особенностью статистического обучения», — добавила соавтор работы младший научный сотрудник лаборатории машинного обучения в науках о Земле МФТИ Ольга Белоусова.