Предобработка изображений - важный этап подготовки данных для нейросетей в компьютерном зрении. Изображения зачастую имеют артефакты, из-за чего увеличивается сложность обучения нейросети и снижается точность предсказаний. Это применимо к любой задаче, начиная от классификации мелких объектов микроскопии до обработки видеопоследовательностей. В работе представлен обзор способов предобработки изображений. Классические методы предобработки зачастую нестабильны, а нейросетевые, как правило, вносят артефакты в изображение. Оптимальным решением являются комбинированные подходы, где дифференцируемые методы обработки изображений сочетаются с нейросетевыми кодировщиками. В ходе исследования рассмотрены значимые легковесные подходы LFIEM, UniFi и UniFi Unpaired, доказавшие свою эффективность.

Назаренко А.А. (науч. рук. Михайлова Е.Г., Самарин А.В.) Предобработка изображений как способ повышения эффективности нейросетевых моделей // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2025]. URL: https://kmu.itmo.ru/digests/article/15361