В России создали метод обучения нейросетей на миллионах объектов без увеличения ресурсов

Российская компания «Криптонит» разработала метод обучения нейросетей на миллионах объектов без увеличения ресурсов.
Метод LSC (Latent Space Configuration) позволяет масштабировать системы машинного зрения и распознавать объекты без увеличения размера модели и требований к видеопамяти.
Решение расширяет возможности ИИ в медицине, безопасности, ритейле и банковских сервисах.
Традиционный подход Supervised Learning требует увеличения числа параметров нейросети с ростом количества классов, но метод LSC устраняет эту зависимость.
Точность распознавания остается высокой - 87,1% при 1,28 млн изображений и 22 млн параметров модели ViT-S.
Разработки «Криптонита» включают методы повышения надежности ИИ, такие как точное прогнозирование поведения нейросетей и технологии повторного распознавания людей.