Повышение точности сегментационных моделей с применением генеративного ИИ на примере интерпретации данных аэрофотосъёмки

Аннотация: Современные модели компьютерного зрения (CV) широко применяются в геологоразведоч-ных работах (ГРР) для интерпретации геодезических, геофизических и геологических дан-ных. Однако их эффективность ограничена высокой стоимостью сбора новых данных, что приводит к низкой точности предсказаний (~70%). Традиционный процесс подготовки дан-ных занимает в среднем от 2 до 6 месяцев, что существенно замедляет внедрение и адапта-цию моделей. Для исследования данной проблемы была выбрана область аэрофотосъемки (АФС), так как она характеризуется высокой неоднородностью данных, ограниченным объемом доступной информации, влиянием неблагоприятных погодных условий и сезонных изменений. Кроме того, правовые барьеры накладывают дополнительные ограничения на доступ к данным. Все эти факторы создают серьезные препятствия для достижения высокой точности анализа с использованием алгоритмов искусственного интеллекта (ИИ). Даже при наличии сгенерированного датасета, как мы показали в данной работе, значи-тельное время уходит на разметку данных. Кроме того, не всегда удается дополнить обу-чающую выборку уникальными объектами, которые встречаются редко или обладают осо-быми характеристиками, отличающимися от тех, на которых обучалась базовая модель. Дополнительно, необходимость в последующем использовании датасетов для обучения накладывает серьезные ограничения на выполнение полевых работ с использованием бес-пилотных или пилотируемых носителей, что ограничивает доступный набор датасетов для использования. Разметка таких объектов вручную является трудоемким процессом, который ограничивает возможности улучшения модели.