В данном исследовании предложен подход к созданию сжатых моделей машинного обучения для распознавания признаков по фото поверхностей объектов на основе выборок малого объема. При потере точности распознавания не более, чем 5%, удается получать модели машинного обучения, которые требуют в 3-4 раза меньше памяти и обеспечивают трех-пятикратное ускорение в соответствующих расчетах 3-5 раз. Экспериментальные исследования проведены в области распознавания заболеваний растительных культур при объемах выборки на один класс менее 50 изображений.
Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2022].