«Прокачиваем мозги»: Как я учу нейросеть видеть лес в 4K и не двоиться в глазах


Привет, Пикабу! На связи Дмитрий, разработчик «Lesorub Pro».
Пока пользователи вовсю тестируют новый сканер досок, я заперся «в гараже» и занялся глубоким обучением. Сегодня хочу показать вам «внутрянку» — как происходит переезд на новую, ультра-мощную модель ИИ (ULTRA_LUMBER_MODEL).
На скриншоте — финальные этапы обучения. Мы скормили нейросети огромный массив данных, и вот какие «фишки» появятся в ближайшем обновлении:
1. Переход на 1024 тензора (Full Precision)
Раньше модель работала на более низком разрешении, из-за чего мелкие доски вдали могли сливаться в кашу. Новая модель обучается строго на 1024x1024. Это значит, что детализация вырастет в разы — ИИ будет видеть каждую щелочку.
2. Борьба с «двоением» (NMS-фильтрация)
Многие замечали: иногда ИИ находит одну доску, но рисует на ней две-три рамки. Мы подкручиваем алгоритм NMS (Non-Maximum Suppression). Теперь порог перекрытия установлен так, что дубликаты будут беспощадно удаляться, оставляя только один идеальный контур.
3. Технология Slicing: Как съесть слона по частям
Это самая крутая фича. Представьте огромную фуру с досками в 4K разрешении. Если засунуть её в нейросеть целиком — мелкие детали потеряются.
Мы внедряем Slicing Aided Inference: приложение будет «резать» фото на блоки по 1024 пикселя, прогонять каждый через ИИ отдельно, а потом склеивать результат. Это гарантирует 100% точность даже на гигантских штабелях.
4. Зрение ночного хищника (Contrast Enhancement)
Лес часто грузят в сумерках или в глубокой тени. Мы добавили предварительную обработку фото: перед тем как ИИ начнет считать, программа программно «вытягивает» контраст и яркость в тенях. То, что для человеческого глаза — черное пятно, для нашей нейронки станет четким набором досок.
Зачем я это рассказываю?
Разработка ИИ — это не только «нажал кнопку и готово». Это тысячи итераций, подбор порогов уверенности (сейчас остановились на 0.35) и постоянная работа с кодом.
Скоро эта «ультра-модель» прилетит всем пользователям в обновлении. Проект остается бесплатным и открытым для ваших идей.
Проверить, как ИИ считает сейчас, можно тут (RuStore):
С уважением, Дмитрий Кременевский. Пишите, какие еще «проблемные» фото штабелей мне добавить в датасет для обучения!



















