01.10.2021
221.018.3fd7

Решение многопараметрической задачи нелинейной оптимизации для архитектуры сети Vision Transformers, обученной с помощью метода DINO

Вид РИД

Программа для ЭВМ

Хеш-код депонирования: d679461848a53bc67fe894631e07cfc148d6a8659e38a6183661780f3f405445
Юридическая информация Свернуть Развернуть
Описание Свернуть Развернуть
Описание произведения: В основе решения многопараметрической задачи нелинейной оптимизации для архитектуры нейронной сети Vision Transformers, с применением метода DINO, лежит обучение нейросетевой модели в течение 82 эпох на специализированном датасете, собранном самостоятельно. Назначение РИД: построение карт внимания и решение задач сегментации объектов на фото и видеопоследовательностях с помощью нейронных сетей.
Язык программирования, с использованием которого создана программа для ЭВМ (База данных)
Python
Вид и версия операционной системы, для функционирования под управлением которой предназначена программа для ЭВМ (База данных)
Linux
Объем программы для ЭВМ (Базы данных) в машиночитаемой форме в единицах, кратных числу байт
репозиторий: 704,3МБ
Ключевые слова: Серверное приложение, Vision Transformers, DINO
Реферат Свернуть Развернуть
Решение многопараметрической задачи нелинейной оптимизации для архитектуры сети Vision Transformers, обученной с помощью метода DINO, представляет собой результат нахождения коэффициентов связей между нейронами в течение 82 итераций, в результате которого было достигнуто значение функции потерь, равное 2.24. Обучение архитектуры Vision Transformers осуществлялось с весов dino_vits16, находящихся в открытом доступе. Применение метода DINO – self-distillation with no labels способствует улучшению качества решения задачи сегментации и не требует дополнительной предобработки обучающего множества в виде разметки. Полученное решение универсально и подходит для различных объектов из созданного датасета. Наборы примеров целевой направленности могут быть предоставлены заказчиком. Сведения об охраняемых результатах интеллектуальной деятельности, использованных при создании: Вид и наименование использованного РИДа: Self-Supervised Vision Transformers with DINO. Основание возникновения прав: Apache License 2.0. Источник: https://github.com/facebookresearch/dino. Описание использования: архитектура. Доля использования: 0.9. Составные части, модули РИД: 1. Набор полученных параметров для конкретной архитектуры, полученный в результате решения многопараметрической задачи нелинейной оптимизации; 2. История обучения со значениями функции потерь на каждой итерации. Аналоги/конкурентные РИД: полный аналог полученного решения отсутствует. Конкурентные решения: веса, полученные на других датасетах с той же архитектурой и подобные им. Отличия от аналогов: в связи с уникальностью обучающего множества, полученное решение будет значительно лучше решать задачу сегментации в конкретной области. Код продукции в соответствии с Общероссийским классификатором продукции по видам экономической деятельности: 58.29.21.000 Класс программного обеспечения, которому соответствует программное обеспечение: 03.01
Оригинал произведения Свернуть Развернуть
Содержательная часть РИД:
Источник поступления информации: Портал edrid.ru

Показаны записи 1-7 из 7.
30.06.2021
№221.018.3f83

Водныйинстабот: искусственный интеллект интерактивного выделения морских объектов в социальных сетях

Полученное программное решение представляет собой автоматизированного инстаграм-бота. Через определенное количество времени программа проверяет наличие новых публикаций по заданному хэштегу. При публикации поста с хэштегом #biogeohub пользователю необходимо указать один из поддерживаемых...
30.06.2021
№221.018.3f84

Интеллектуальная база знаний морских объектов для few-shot-learning и обученные на их базе веса модели искусственной нейронной сети

База знаний содержит 60 классов объектов, такие как: • краб • скумбрия • барракуда • удильщик • осьминог • мидии • рыба-клоун • хирург • крылатка • дракон • звезда • еж • угорь • голубой дракон • окунь • камбала • медуза • креветка • ангел • большерот • медуза • групер •...
30.06.2021
№221.018.3f85

Интеллектуальная база знаний морских объектов для few-shot-learning и обученные на их базе веса модели искусственной нейронной сети

База знаний содержит 60 классов объектов, такие как: • краб • скумбрия • барракуда • удильщик • осьминог • мидии • рыба-клоун • хирург • крылатка • дракон • звезда • еж • угорь • голубой дракон • окунь • камбала • медуза • креветка • ангел • большерот • медуза • групер •...
04.10.2021
№221.018.3fdb

Программный интерфейс приложения kepler.gl для добавления и редактирования географических объектов на карте

В основе программы для автоматического отображения и редактирования географических данных в локальном приложении kepler.gl лежит сбор полученных данных, их предобработка и отображение с помощью kepler.gl. Назначение РИД: отображение и редактирование географических данных в локальном приложении...
04.10.2021
№221.018.3fdc

Программа для автоматического агрегирования данных узкой направленности с платформы «instagram» с помощью взаимодействия с пользователями

В основе программы для автоматического агрегирования данных узкой направленности платформы «Instagram» с помощью взаимодействия с пользователями лежит сбор открытых данных о публикациях, их предобработка с помощью технологий нейронных сетей, публикация ответного сообщения с полученными...
23.03.2022
№222.018.4085

Дизайн логотипа mustovo

Логотип состоит из комбинированного изображения, состоящего из надписи MUSTOVO синим цветом (RGB 20-68-110) на белом фоне и графического элемента слева от надписи, выполненного из чередующихся квадратов и кругов оранжевого цвета (RGB 255-108-0), расположенных по кругу.
Тип: Произведение искусства
23.03.2022
№222.018.4086

Товарный знак mustovo

Обозначение товарного знака состоит из комбинированного изображения, состоящего из надписи MUSTOVO синим цветом (RGB 20-68-110) на белом фоне и графического элемента слева от надписи, выполненного из чередующихся квадратов и кругов оранжевого цвета (RGB 255-108-0), расположенных по кругу.
Тип: Патент
Номер охранного документа: 584692
Дата охранного документа: 23.08.2016
Показаны записи 1-5 из 5.
30.06.2021
№221.018.3f83

Водныйинстабот: искусственный интеллект интерактивного выделения морских объектов в социальных сетях

Полученное программное решение представляет собой автоматизированного инстаграм-бота. Через определенное количество времени программа проверяет наличие новых публикаций по заданному хэштегу. При публикации поста с хэштегом #biogeohub пользователю необходимо указать один из поддерживаемых...
30.06.2021
№221.018.3f84

Интеллектуальная база знаний морских объектов для few-shot-learning и обученные на их базе веса модели искусственной нейронной сети

База знаний содержит 60 классов объектов, такие как: • краб • скумбрия • барракуда • удильщик • осьминог • мидии • рыба-клоун • хирург • крылатка • дракон • звезда • еж • угорь • голубой дракон • окунь • камбала • медуза • креветка • ангел • большерот • медуза • групер •...
30.06.2021
№221.018.3f85

Интеллектуальная база знаний морских объектов для few-shot-learning и обученные на их базе веса модели искусственной нейронной сети

База знаний содержит 60 классов объектов, такие как: • краб • скумбрия • барракуда • удильщик • осьминог • мидии • рыба-клоун • хирург • крылатка • дракон • звезда • еж • угорь • голубой дракон • окунь • камбала • медуза • креветка • ангел • большерот • медуза • групер •...
04.10.2021
№221.018.3fdb

Программный интерфейс приложения kepler.gl для добавления и редактирования географических объектов на карте

В основе программы для автоматического отображения и редактирования географических данных в локальном приложении kepler.gl лежит сбор полученных данных, их предобработка и отображение с помощью kepler.gl. Назначение РИД: отображение и редактирование географических данных в локальном приложении...
04.10.2021
№221.018.3fdc

Программа для автоматического агрегирования данных узкой направленности с платформы «instagram» с помощью взаимодействия с пользователями

В основе программы для автоматического агрегирования данных узкой направленности платформы «Instagram» с помощью взаимодействия с пользователями лежит сбор открытых данных о публикациях, их предобработка с помощью технологий нейронных сетей, публикация ответного сообщения с полученными...

Похожие РИД в системе