Ученые МИИГАиК и Хунаньского университета науки и технологий представили инновационную нейросеть PG-Net: публикация в журнале Remote Sensing (Q1)

---

---

В одном из наиболее авторитетных международных научных журналов в области наук о Земле — Remote Sensing— опубликована статья, посвящённая передовым методам обработки пространственных данных - https://www.mdpi.com/2072-4292/18/10/1624. Один из авторов - декан факультета геоинформатики и информационной безопасности университета МИИГАиК, доктор технических наук Андрей Матерухин.

Совместная работа российского и китайских учёных, озаглавленная «PG-Net: A Large-Scale LiDAR Point Cloud Semantic Segmentation Network Integrating Discrete Point Distribution and Local Graph Structural Feature» (PG-Net: крупномасштабная искусственная нейронная сеть для семантической сегментации LiDAR-облаков точек, объединяющая дискретное распределение точек и локальные графовые структурные признаки), предлагает прорывное решение для интеллектуального анализа данных трёхмерного лазерного сканирования (LiDAR).

Современные лазерные сканеры способны создавать детализированные трёхмерные модели местности, состоящие из миллионов отдельных точек («облака точек»). Однако из-за огромного объёма данных и неравномерной плотности их традиционная обработка требует значительных вычислительных ресурсов и зачастую сопровождается потерей важной контекстной информации.

Разработанная российско-китайскими учёными инновационная нейросетевая архитектура PG-Net (Point-Graph Network) решает эту проблему, объединяя два подхода к анализу данных:

- поточечный анализ, который позволяет учитывать особенности каждого элемента сканирования;

- графовый анализ, который эффективно моделирует взаимосвязи между соседними точками, восстанавливая целостную картину объекта или ландшафта.

Благодаря такому гибридному подходу PG-Net демонстрирует впечатляющую точность при распознавании объектов (например, автомобилей, деревьев, зданий) даже в условиях «зашумлённых» или некалиброванных данных. Эксперименты показали, что разработанная модель достигает общей точности сегментации до 97,69% на валидационных наборах данных, превосходя по эффективности существующие аналоги. Все сравнения выполнялись на общедоступных бенчмарках Toronto3D и S3DIS в строго одинаковых условиях (одинаковое окружение, одинаковые входные данные и одинаковые настройки параметров), что подтверждает объективность и воспроизводимость преимущества PG-Net перед современными аналогами.

Новая технология может быть использована для автоматического распознавания дорожной обстановки, трёхмерной реконструкции городской среды, а также для мониторинга инфраструктуры.

Работа является ярким примером плодотворного сотрудничества МИИГАиК с китайскими научными и образовательными организациями. Исследование проводилось совместно с Школой наук о Земле и пространственной информационной инженерии Хунаньского университета науки и технологий, а также с Институтом инноваций в области аэрокосмической информации Китайской академии наук. Развитие таких партнёрских связей с ведущими научными центрами КНР способствует интеграции российской науки в мировое исследовательское пространство. Совместная работа над сложными технологическими задачами позволяет объединить передовые компетенции двух стран, ускоряя внедрение инноваций в гражданской сфере — от геоинформатики до экологического мониторинга. Сотрудничество с китайскими партнёрами даёт российским учёным доступ к обширным базам данных для валидации моделей, что критически важно для создания качественных и надёжных алгоритмов искусственного интеллекта, подобных разработанной сети PG-Net.

Учёные МИИГАиК совместно с учеными Хунаньского университета науки и технологий планирую продолжить свою работу в этом направлении – ими подана заявка на конкурс, проводимый РНФ совместно с Министерством науки и технологий КНР. Тема заявки: «Технология интеллектуального мониторинга обустройства автомобильных дорог с использованием мультимодального слияния пространственно-временных гетерогенных данных».

Популярно о предложенном решении и его применении:

Главная новизна сети PG-Net заключается в том, что она объединяет в одной архитектуре два фундаментально разных подхода к обработке облаков точек. Такой гибрид позволяет использовать сильные стороны этих подходов. Точечная ветвь отлично чувствует локальную геометрию и распределение точек, а графовая ветвь улавливает более сложные топологические взаимосвязи. Итоговая сегментация становится точнее. Представьте, что беспилотный автомобиль или робот-пылесос «видят» мир с помощью лазерных сканеров, но эти данные — просто хаотичное облако из миллионов точек. Новая технология помогает компьютеру мгновенно разобраться, где в этом облаке — машина, где — пешеход, а где — дорожная разметка или стена. Раньше нейросети часто путали ограждения с кустами или не замечали мелкие объекты. PG-Net ошибается реже: например, заборы и барьеры она распознаёт сразу на 8% точнее лучших аналогов. Это значит, что автопилот сможет надёжнее парковаться, а система помощи водителю — вовремя замечать дорожные знаки и разметку. Для обычного человека это обернётся более безопасными беспилотными такси и «умными» стройками. Представьте, что дрон-беспилотник облетает строящийся мост и за минуты создаёт его 3D-модель с точностью до 97–98% — это означает, что из 100 точек неверно обозначены только 2–3. И главное: PG-Net обучается почти на 30% быстрее предшественников, а значит, такие системы станут дешевле и могут появиться в массовых устройствах уже в ближайшие несколько лет.

Информационно о журнале:

Факт публикации в журнале Remote Sensing — одном из ведущих мировых изданий, входящем в первый квартиль (Q1) по наукам о Земле, подчёркивает высокий международный уровень проведённого исследования и его значимость для мирового научного сообщества.

Журнал Remote Sensing входит в первый квартиль (Q1) в двух самых авторитетных мировых рейтингах научных изданий:

- в рейтинге Journal Citation Reports (JCR) от Clarivate Analytics (WoS), который формируется на основе импакт-фактора, журнал занимает Q1 в категории «Geosciences, Multidisciplinary» (Науки о Земле);

- в рейтинге CiteScore от Scopus (Elsevier), основанном на цитируемости, журнал также находится в Q1, но уже в категории «General Earth and Planetary Sciences» (Общие науки о Земле и планетах).

Журнал Remote Sensing также включён в «Белый список» Минобрнауки — официальный перечень научных изданий, публикации в которых учитываются при оценке результативности научных организаций, причем ему присвоена 1-я (высшая) категория.

Источники: 

https://poisknews.ru/iskusstvennyj-intellekt/sozdana-innovaczionnaya-nejroset-dlya-obrabotki-prostranstvennyh-dannyh/

https://minobrnauki.gov.ru/press-center/news/nauka/100803/