Коллекционные монеты могут получить нового "цифрового эксперта": учёные Сколтеха и Центрального университета России разработали метод компьютерного зрения, способный автоматически оценивать их состояние и определять грейд. Технология призвана решить одну из главных проблем современной нумизматики — субъективность человеческой оценки, когда даже небольшие различия в сохранности и внешней привлекательности почти одинаковых монет способны повлиять на итоговый результат, передает inbusiness.kz со ссылкой на Сколковский институт науки и технологий.
Исследование провели специалисты Сколтеха, входящего в группу ВЭБ.РФ, и Центрального университета при поддержке Русского нумизматического грейдингового агентства. Результаты работы были представлены в международных научных изданиях, включая ACM Journal on Computing and Cultural Heritage, а дальнейшее развитие метода отражено ещё в двух исследованиях, опубликованных в журналах Expert Systems With Applications и IEEE Transactions on Instrumentation and Measurement.
Сегодня оценка оригинальности и состояния коллекционных монет по-прежнему во многом зависит от специалистов. Эксперты проверяют, является ли экземпляр подлинным, анализируют его сохранность, следы обращения, визуальные особенности и после этого присваивают монете соответствующий грейд по принятой в нумизматическом сообществе шкале Шелдона.
"Именно здесь возникает проблема, которую пытаются решить исследователи. Человеческая экспертиза требует высокой квалификации, а итоговая оценка в определённой степени остаётся субъективной. Для рынка коллекционных и инвестиционных монет это особенно важно: небольшая разница в состоянии двух внешне практически одинаковых экземпляров может существенно повлиять на их категорию и, соответственно, привлекательность для коллекционера или инвестора", - пояснили в Сколтехе.
Попытки автоматизировать этот процесс предпринимались и раньше. Однако существующие алгоритмы зачастую хорошо справляются только с монетами одного конкретного типа. Если система обучена на определённом виде монет, переносить её результаты на другие экземпляры становится значительно сложнее.
"Причина заключается в самой природе задачи. Для обычной системы компьютерного зрения принципиально проще определить, например, относится ли изображение к кошке или собаке. У коллекционных монет ситуация совершенно иная. Две монеты могут практически полностью совпадать по дизайну, номиналу и году чеканки, но при этом иметь разный уровень сохранности. Иногда различия настолько малы, что их приходится искать в отдельных визуальных деталях", - отметили ученые.
Именно поэтому задача оценки монет не сводится к обычной классификации изображений. Алгоритму необходимо не просто распознать объект, но и уловить очень тонкие различия между близкими категориями состояния.
"Мы собрали датасет из нескольких типов монет и предложили двойную модель глубокого обучения и алгоритм, ориентированный на предметную область. Двойная модель состоит из двух вариантов модели ResNet50. Алгоритм анализирует распределение вероятностей результатов двух моделей, используя знания предметной области и учитывая, что соседние классы в порядковой структуре — например, монеты, не побывавшие и минимально побывавшие в обращении — имеют перекрывающиеся визуальные признаки", — рассказал аспирант программы "Инженерные системы" Сколтеха Мелаку Гетахун.
Такой подход позволяет учитывать ещё одну важную особенность нумизматического грейдинга: категории состояния расположены последовательно. Другими словами, разница между соседними классами может быть гораздо менее очевидной, чем между крайними состояниями монеты. Поэтому алгоритму важно понимать не только вероятность принадлежности экземпляра к определённой категории, но и взаимосвязь между соседними уровнями оценки.
Однако исследователи на этом не остановились. Для профессиональной оценки монет недостаточно определить только один из базовых классов вроде "не была в обращении" или "минимально побывала в обращении". На практике особый интерес представляют монеты высокого качества, где цена ошибки может быть особенно чувствительной.
Во втором исследовании научная группа сосредоточилась именно на оценке монет высшей категории. Здесь учёные применили уже другой подход — визуально-языковую модель, которая должна имитировать часть реальной процедуры экспертной оценки.
Одним из ключевых элементов стала возможность одновременно учитывать изображения обеих сторон монеты. Для этого исследователи использовали кодировщик изображений с двумя входами. Такой принцип позволяет системе рассматривать монету не как отдельную фотографию одной стороны, а как единый объект, для которого важна совокупность визуальных признаков.
Языковая часть модели также играет существенную роль. Некоторые характеристики состояния монеты легче сформулировать словами, чем выразить исключительно через изображение. Особенно это актуально для экземпляров, которые не находились в обращении и относятся к наиболее высоким категориям сохранности.
Поэтому исследователи добавили в систему подсказку об уровне оценки и обучили кодировщик текста. Полученные текстовые представления затем используются для вычисления косинусного сходства с объединёнными визуальными признаками. Благодаря этому модель получает дополнительный способ сопоставлять то, что она "видит" на фотографии, с описанием соответствующего уровня качества.
Третий этап работы был направлен уже на повышение эффективности разработанной системы. В новом исследовании учёные изменили основу графического кодировщика и использовали иерархический преобразователь. В результате, точность оценивания выросла, по сравнению с предыдущим этапом.
Сравнение с результатами предыдущих исследований показало, что предложенный группой из Сколтеха и Центрального университета подход превосходит существующие методы, как по качественным, так и по количественным показателям.
Для нумизматического рынка это может иметь далеко идущие последствия. Если подобные технологии удастся довести до необходимой точности и сделать достаточно доступными с точки зрения вычислительных ресурсов, оценка монет сможет постепенно перейти от исключительно экспертной процедуры к комбинации профессионального заключения и объективного машинного анализа.
При этом речь не обязательно идёт о полном отказе от специалистов. Наоборот, наиболее реалистичным сценарием выглядит появление инструмента, который сможет стандартизировать часть работы эксперта, снизить влияние субъективного восприятия и помочь быстрее обрабатывать большое количество экземпляров.
"Предлагаемые нами методы могут способствовать автоматизации и объективности оценки монет в нумизматическом сообществе. Мы являемся пионерами в этой области, с точки зрения проведения исследований на таком уровне, и надеемся, что исследователи со всего мира продолжат эту работу, используя нашу работу в качестве отправной точки. Как только будет достигнута желаемая эффективность, с точки зрения точности и вычислительных затрат, будет создана прозрачная и надёжная система грейдинга монет, которая станет легко доступной для коллекционеров, инвесторов и музейных экспертов", — добавил Андрей Сомов, руководитель научной группы, профессор Центра инженерных систем и наук Сколтеха, профессор и руководитель лаборатории интеллектуальных сенсорных систем Центрального университета.
Перспективность такого решения особенно заметна на фоне того, что рынок коллекционных монет требует максимально точной идентификации состояния экземпляров. Чем выше категория монеты, тем более значимыми могут становиться небольшие визуальные различия. Автоматизированный анализ, в перспективе, способен сделать процесс более воспроизводимым: одна и та же монета должна получать сопоставимый результат, независимо от того, кто и где проводит её первичную оценку.
Впрочем, до полноценного массового применения технологии ещё предстоит решить несколько задач. Одна из них связана с вычислительными ресурсами. Чем сложнее модель и чем больше визуальных и текстовых признаков она анализирует, тем выше требования к оборудованию. Для использования такой системы не только в исследовательских центрах, но и непосредственно коллекционерами или экспертными организациями необходимо сделать алгоритм менее ресурсоёмким.
Именно над этим учёные планируют работать дальше. В будущем исследователи намерены снизить требования метода к "железу" за счёт уменьшения вычислительной сложности.
Таким образом, разработка Сколтеха и Центрального университета представляет собой не просто очередную систему распознавания изображений. Учёные пытаются научить компьютер анализировать очень тонкие различия между близкими категориями состояния монет, учитывать особенности нумизматической шкалы и одновременно работать с разными типами экземпляров. Если дальнейшее снижение вычислительных затрат не приведёт к существенной потере точности, подобные технологии могут стать основой нового поколения систем грейдинга — более объективных, прозрачных и доступных для коллекционеров, инвесторов и музейных специалистов.
Читайте по теме:
Секреты мировой торговли XVII века нашли на дне у берегов Австралии
