Израильские ученые ускорили работу ИИ-моделей, применяемых для навигации и "зрения" дронов

Ученые Университета Бар-Илан сократили число параметров ИИ-модели, чтобы ускорить ее работу на мобильных устройствах, в том числе военных дронах. Работа опубликована в журнале Physical Review E.

В работе предложен эффективный метод прунинга или "обрезки" сверточных нейросетей (СНС), позволяющий значительно сократить объем памяти и ускорить вычисления без потери точности. Этот подход важен для современных ИИ-моделей, которые становятся все сложнее и требуют все больше ресурсов, что затрудняет их использование на мобильных устройствах.

Разработанный учеными алгоритм оценки важности параметров позволяет сохранить высокую точность даже при существенном уменьшении размера модели. В процессе прунинга сначала анализируются веса сети, затем удаляются или обнуляются параметры, слабо влияющие на результат. После этого сеть дообучается для восстановления точности. Это снижает требования к памяти и ускоряет работу модели на устройствах с ограниченными ресурсами.

Специалисты отмечают, что новый метод делает нейросети более компактными, быстрыми и простыми в развертывании. Это позволяет использовать ИИ на дронах, где критически важны низкое энергопотребление и высокая скорость обработки данных.

В военных приложениях сверточные нейронные сети (СНС) используются для навигации и "зрения" дронов. Сети автоматически распознают объекты, анализируют видео и изображения, строят маршруты с учетом препятствий и целей. В условиях боевых действий дроны с СНС идентифицируют технику, пехоту и инфраструктуру, что обеспечивает автономность и оперативное реагирование. Встроенные сверточные сети позволяют дронам эффективно работать даже при ограниченных вычислительных ресурсах, делая их незаменимыми в современных военных операциях.