Методика повышения устойчивости свёрточной нейронной сети с использованием аугментации данных на примере модели для сегментации изображений глазных яблок

Abstract

В работе рассматривается подход к повышению устойчивости (robustness) нейросетевых моделей сегментации глаз к типичным искажениям изображений с помощью целенаправленной аугментации данных. На примере победителя OpenEDS Semantic Segmentation Challenge 2019 - модели RitNet (на базе UNet и DenseNet), показано, как добавление синтетических артефактов (структурированные блики starburst, гауссово размытие, случайные линии и сдвиги), характерных для изображений в VR/AR-очках, позволило достичь высокой точности при крайне малом размере модели. Такой подход подчёркивает важность адаптации обучающих данных под реальные условия применения для повышения надёжности моделей в задачах компьютерного зрения.