ShipSense Projesi, Yapay Zeka Örnekleri

Herhangi bir nesne için ince ayarlı Kararlı Yayılma kullanan yeni birkaç çekimlik sentetik görüntü verisi artırma yöntemi. ShipSense, gemilerin gerçekçi sentetik görüntü verilerini oluşturmak için özel Kararlı Yayılma kullandı ve uydu görüntülerinden gemileri tespit etmek ve bulmak için evrişimli sinir ağlarını (CNN'ler) eğitti. Ayrıca paydaşların aşırı avlanmayı izlemesi için bir veri görselleştirme platformu oluşturdular. Bu platformu geliştirmek için, 55.000'den fazla AIS radar kaydını inceleyerek şüpheli kara gemi faaliyetinin birkaç etkin noktasını belirlediler.

İnsanlar daha önce aşırı avlanmayı tespit etmek için AI modelleri oluşturmaya çalışsa da, yüksek sınıf dengesizliği nedeniyle doğruluk zayıftı. Gemisiz su parçalarının sonsuz olumsuz örneklerine kıyasla, suda gemilerin birkaç olumlu örneği vardır. Araştırmacılar, başka amaçlar için sentetik veriler oluşturmak için GAN'ları kullandılar. Ancak, düzgün bir GAN eğitmek için yaklaşık 50.000 örnek görüntü gerekir. En büyük uydu gemisi veri setinde yalnızca ~2.000 örnek vardır.

Popüler bir metinden görüntüye AI modeli olan Stable Difüzyon'un (SD), nispeten az sayıda girdiye dayalı olarak gemilerin sınırsız sentetik görüntü verilerini oluşturmak için yeniden tasarlanabileceğini fark ettiler. Yalnızca 68 orijinal görüntü kullanarak son derece gerçekçi yapay görüntüler elde edebildiler.