Участник:Algneushev

Материал из MachineLearning.

Версия 23:07, 26 апреля 2025

Гнеушев Александр Николаевич

к.ф.-м.н.

доцент каф. «Интеллектуальные системы» ФУПМ МФТИ (Вычислительный центр им. А.А. Дородницына ФИЦ ИУ РАН).

Мне можно написать письмо

• Профиль SCOPUS ID = 6507361915
• Профиль РИНЦ ID = 298568
• Профиль ResearchGate
• Профиль Google Scholar
• Профиль MathNet.ru

Научные интересы

• Обработка и анализ изображений. Математические модели и методы в задачах выделения признаков, обнаружения, сегментации и классификации объектов на видео изображениях.
• Нейросетевые модели анализа изображений, методы регуляризации обучения нейросетевых моделей, большие генеративные модели.
• Большие лингвистические модели (LLM), исследование внутренней структуры модели, мультимодальные архитектуры, методы регуляризации и дообучения на специализированные задачи.
• Эффективный AI: методы сжатия, ускорения и оптимизации больших нейросетевых моделей для работы в условиях ограниченных ресурсов на конечных устройствах.

Прикладные проекты

• Методы моделирования и регуляризация обучения сверточных нейронных сетей для анализа и сжатия изображений, задач классификации, сегментации, детектирования объектов.
• Методы оптимизации и сжатия LLM для работы на NPU/TPU/GPU, включая разработку новых архитектурных решений и дообучение.

• Детектирование дефектов на производстве тканей на основе нейросетевой модели, обученной на локализацию аномалий с обуславливанием несколькими примерами (online learning).
• Идентификация личности по лицу на изображении и ре-идентификация при слежении
• Выделение элементов лица на изображении и слежения за ними
• Биометрическая идентификация личности по радужной оболочке глаза
• Анализ дорожной сцены, городской среды, детектирование пешеходов и событий
• Оценка скорости транспортных средств, классификация типов ТС
• Автоматическое управление параметрами видеокамеры для работы в экстремальных условиях съемки
• Сверхразрешение и реставрация изображений

Аспиранты и студенты

Бакалаврские диссертации

1. Тихомиров Андрей. Исследование подходов малоранговой адаптации для дообучения нейросетевой модели в задачах классификации. 2024. МФТИ
2. Иванов Илья. Исследование избыточности ортогональных сверточных нейронных сетей в задачах классификации изображений. 2024. МФТИ
3. Тришин Александр. Исследование сверточной графовой сети для построения персональных рекомендаций в крупномасштабных сервисах. 2024. МФТИ
4. Минашкин Владислав. Построение box-ядер в свёрточных слоях нейронной сети в задаче классификации изображений. 2024. МФТИ
5. Сыроваткин Степан. Построение методов регуляризации при переносе знаний в глубоких слоях сверточных нейронных сетей в задаче классификации изображений. 2023. МФТИ
6. Орешина Алина. Извлечение слотов в диалогах по нескольким примерам. 2023. МФТИ
7. Николотов Дмитрий. Построение многомасштабных моделей свёрточных ядер нейросетей на основе локальных дескрипторов интегрального изображения. 2023. МФТИ
8. Малышева Елизавета. Исследование обобщающей способности и структуры ортогональных свёрточных нейросетей в задаче классификации изображений. 2023. МФТИ
9. Истомин Никита. Исследование моделей трансформеров в задаче фильтрации шума и восстановления изображений. 2023. МФТИ
10. Захаров Артемий. Построение свёрточной нейронной сети локального преобразования Хафа для задачи бинарной классификации. 2023. МФТИ
11. Щербак Игорь. Построение моделей сверточных ядер нейронной сети для задачи классификации объектов на изображении. 2021. МФТИ
12. Котов Александр. Разработка методов сверхразрешения изображений заданного класса объектов с помощью выделения локальных признаков. 2021. МФТИ
13. Ивченков Ярослав. Разработка нейросетевой модели на основе ДКП ядер в задаче детектирования объектов на изображении. 2020. МФТИ.
14. Нарцев Денис. Разработка нейросетевой модели и ее обучение для уточнения положения и ориентации лица на изображении в задаче распознавания личности в неконтролируемых условиях съемки. 2020. МФТИ.
15. Григорьев Алексей. Оценивание параметров в задаче слежения за множеством объектов в видеопотоке. 2020. МФТИ.
16. Сергей Таранов. Разработка метода агрегации признаков для компактного представления множества изображений лица в задаче распознавания личности. 2019. МФТИ.
17. Никита Самсонов. Разработка метода построения текстурных признаков в аккумуляторном пространстве Хафа для задачи обнаружения пешехода на изображении. 2017. МФТИ.

Магистерские диссертации

1. Дмитриенко Анна. Обучение устойчивой к геометрическим искажениям входных данных нейросетевой модели классификации изображений. 2024. МФТИ
2. Григорьева Александра. Построение сверточной нейросетевой модели,реализующей обучаемый LBP-дескриптор, для классификации изображений. 2024. МФТИ
3. Григорьев Алексей. Регуляризация нейросетевого слоя путем построения фрейма в пространстве параметров. 2022. МФТИ
4. Нарцев Денис. Нейросетевые модели оценки параметров объектов на изображении. 2022. МФТИ
5. Таранов Сергей. Разработка нейросетевой модели на основе декомпозиции обучения в пространстве признаков для задачи распознавания лиц на изображениях. 2021. МФТИ
6. Никита Самсонов. Метод проекций в пространстве лучевого преобразования Радона для детектирования пешеходов. 2019. МФТИ.

Основные публикации

1. Дмитриенко А.Е., Гнеушев А.Н. Обучение устойчивой к геометрическим искажением входных данных нейросетевой модели классификации изображений // Интеллектуализация обработки информации: Тезисы докладов 15-й Международной конференции, Гродно, 23–27 сент. 2024 г., Гродно: ГрГУ, 2024. С. 140-145. Сборник тезисов конференции ИОИ-15.
2. Taranov S., Gneushev A., Matveev I. Method of Feature Vectors Aggregation for Set-Based Face Recognition // Pattern Recognition and Image Analysis, 2024, V.34, N.4, P. 1074–1080. text
3. Таранов С.К., Гнеушев А.Н. Декомпозиции обучения в пространстве признаков для задачи распознавания лиц на изображениях // Интеллектуализация обработки информации: Тезисы докладов 14-й Международной конференции, г. Москва, 2022, M: РАН, 2022. С. 140-145. Сборник тезисов конференции ИОИ-14.
4. Гнеушев А. Н., Григорьев А. Д., Матвеев И.А. Фреймовая регуляризация сверточной нейронной сети в задачах классификации изображений // Известия Академии Наук. Теория и системы управления. — 2022. — № 6. — С. 143–153. pdf
5. Grigoriev A.D., Gneushev A.N., Matveev I.A. Frame Regularization of a Convolutional Neural Network in Image-Classification Problems // Journal of Computer and Systems Sciences International. 2022. V.61. N.6. P.1020-1030 text
6. Nartsev D.Y., Gneushev A.N., Matveev I.A. Adam Adaptive Optimization Method for Neural Network Models Regression in Image Recognition Tasks, In: Vasant P, Munapo E., Thomas J.J., Weber G-W. (Eds.) Artificial Intelligence in Industry 4.0 and 5G Technology, Wiley, 2022, ISBN: 978-1-119-79877-4, DOI: 10.1002/9781119798798.ch7 ieeexplore| abstract.
7. Grigorev A.D., Gneushev A.N., Litvinchev I. Re-Identification-Based Models for Multiple Object Tracking, In: Vasant P, Munapo E., Thomas J.J., Weber G-W. (Eds.) Intelligence in Industry 4.0 and 5G Technology, Wiley, 2022, ISBN: 978-1-119-79877-4, DOI: 10.1002/9781119798798.ch15 ieeexplore|abstract|books.google
8. Григорьев А.Д., Гнеушев А.Н. Регуляризация параметров нейронной сети на основе неравенства Рисса // Математические методы распознавания образов: Тезисы докладов 20-й Всероссийской конференции с международным участием, г. Москва, 2021, М.: Российская академия наук, 2021. С. 121-122. Сборник тезисов конференции ММРО-20.
9. Нарцев Д. Ю., Гнеушев А.Н. Сравнение модифицированных методов обучения Adam в задачах оценки параметров регрессионных моделей по изображению // Информационные технологии. - М. : Новые технологии, 2021.- Т. 27, № 9 - C. 461-469. pdf.
10. Григорьев А. Д., Гнеушев А. Н. Реидентификация с предфильтрацией по качеству изображений в задаче слежения за множеством объектов // Информационные технологии. – М.: Новые технологии, 2021. – Т. 27, № 8. – C. 409–418. pdf.
11. Нарцев Д., Гнеушев А.Н. Оптимизация регрессионных нейросетевых моделей прямой оценки параметров объектов на изображениях модифицированными методами Adam // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 88-89. Сборник тезисов конференции ИОИ-13.
12. Григорьев А.Д., Гнеушев А.Н. Слежение за множеством объектов на видео изображениях с помощью ре-идентификации с предфильтрацией дескрипторов по качеству // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 433-434. Сборник тезисов конференции ИОИ-13.
13. Самсонов Н.А., Гнеушев А.Н., Матвеев И.А. Построение нейросетевого классификатора в пространстве дескрипторов преобразования Радона для эффективного детектирования пешеходов // Интеллектуализация обработки информации: Тезисы докладов 13-й Международной конференции, г. Москва, 2020, M: РАН, 2020. С. 90-91. Сборник тезисов конференции ИОИ-13.
14. Samsonov N.A., Gneushev A.N., Matveev I.A. Training a Classifier by Descriptors in the Space of the Radon Transform // Journal of Computer and Systems Sciences International. — 2020 T. Vol.59, No.3. — С. 415–429. text
15. Гнеушев А.Н., Матвеев И.А., Самсонов Н.А. Обучение классификатора на дескрипторах в пространстве преобразования Радона // Изв. РАН. ТиСУ. — 2020 T. № 3. — С. 111–125. pdf
16. Samsonov N.A., Gneushev A.N., Matveev I.A. Hough Accumulator Histograms with Fully Connected Network for pedestrian detection // Situation, language, speech. Models and applications: 1st Int. Conf. Moscow, Russia – Rome, Italy, 2019. — 2019.
17. Таранов С.К., Гнеушев А.Н. Метод агрегации признаков для представления множества изображений лица в задаче распознавания личности // Ситуация, язык, речь: модели и приложения: Тезисы докладов 2-й Международной конференции (Москва, Россия — Рим, Италия, 2019г).. — M.: РУДН, 2019.
18. Самсонов Н.А., Гнеушев А.Н., Матвеев И.А. Детектирование пешеходов с помощью нейросетевого классификатора по дескрипторам в аккумуляторном пространстве Хафа // Ситуация, язык, речь: модели и приложения: Тезисы докладов 2-й Международной конференции (Москва, Россия — Рим, Италия, 2019г). — M.: РУДН, 2019. — С. 54.
19. Гнеушев А.Н., Самсонов Н.А. Метод проекций в пространстве лучевого преобразования Радона для детектирования пешеходов // Интеллектуализация обработки информации: Тезисы докладов 12-й Международной конференции (Москва, Россия — Гаэта, Италия, 2018). — M.: ТОРУС ПРЕСС, 2018. — С. 108.
20. Гнеушев А.Н., Гурченков А.А., Мороз И.И. Прямой метод оценки параметров двусегментной кусочно-логистической кривой // Вестник МГТУ им. Н.Э. Баумана. Серия «Приборостроение». — 2018 T. № 1(118). — С. 31 - 48. pdf
21. Самсонов Н.А., Гнеушев А.Н. Дескриптор в аккумуляторном пространстве Хафа градиентного поля изображения для детектирования пешеходов // Машинное обучение и аннализ данных. — 2017 T. 3, №3. — С. 203-215. pdf
22. Самсонов Н.А., Гнеушев А.Н. Дескриптор в аккумуляторном пространстве Хафа градиентного поля изображения для детектирования пешеходов // Математические методы распознавания образов: Тезисы докладов 18-й Всероссийской конференции с международным участием, г.Таганрог, 9-14 октября 2017 г. - М.: ТОРУС ПРЕСС, 2017 г. - 228 с., с.101. ISBN 978-5-94588-225-6. Сборник тезисов конференции ММРО-2017
23. Gneushev A. N., Kovkov D. V., Matveev I. A., Novik V. P. Optimizing the Selection of a Biometric Template from a Sequence // Journal of Computer and Systems Sciences International. 2015. Vol. 54, № 3. P. 399–405. pdf
24. Гнеушев А.Н., Ковков Д.В., Матвеев И.А., Новик В.П. Оптимизация выбора биометрического эталона из последовательности // Известия Академии Наук. Теория и системы управления. — 2015 T. № 3. — С. 72–78. pdf
25. Gankin K. A., Gneushev A. N., Matveev I. A. Iris Image Segmentation Based on Approximate Methods with Subsequent Refinements. // Journal of Computer and Systems Sciences International. 2014. Vol. 53, № 2. P. 224-238. pdf
26. Ганькин К.А., Гнеушев А.Н., Матвеев И.А. Cегментация изображения радужки глаза, основанная на приближенных методах с последующими уточнениями // Известия Академии Наук. Теория и системы управления. — 2014 T. № 2. — С. 80-94. pdf
27. Gneushev A. N. Optimization of the Texture–Geometric Image Model for Estimation of the Face Parameters. // Automation and Remote Control. 2012. Vol. 73, № 1. P. 144–152.pdf
28. Гнеушев А.Н. Оптимизация текстурно-геометрической модели изображения для оценивания параметров лица // Автоматика и телемеханика. — 2012 T. № 1. — С. 159-168. pdf
29. Гнеушев А.Н. Оптимизация параметров в пространстве базисных функций для задачи слежения. // Вестник Тверского государственного университета. Серия: Прикладная математика, 2009. № 15. C. 5-14. pdf
30. Гнеушев А.Н. Представление изображений заданного класса деформируемых объектов в пространстве базисных функций // Динамика неоднородных систем. Труды ИСА РАН. — M.: Издательство ЛКИ, 2007. — T. 31(1). — С. 254-260.
31. Gneushev A. N. Construction and Optimization of a Texture–Geometric Model of a Face Image in the Space of Basic Gabor Functions. // Journal of Computer and Systems Sciences International. 2007. Vol. 46, № 3. P. 418–428. pdf
32. Гнеушев А.Н. Построение и оптимизация текстурно-геометрической модели изображения лица в пространстве базисных функций Габора. // Известия Академии Наук. Теория и системы управления. — 2007 T. № 3. — С. 85-96.pdf
33. Гнеушев А.Н. Локализация элементов лица путем оптимизации разложения изображения по базисным функциям Габора // Теоретические и прикладные задачи нелинейного анализа. — M.: ВЦ РАН, 2005. — С. 185-196. pdf
34. Gneushev A. N. A Real-Time Contour-Based System for Estimating the Speed of Vehicles // Journal of Computer and Systems Sciences International. 2005. Vol. 44, № 1. P. 125-134. pdf
35. Гнеушев А.Н. Система для оценки скорости транспортных средств по контурным признакам в режиме реального времени // Известия Академии Наук. Теория и системы управления. — 2005 T. № 1. — С. 133-143. pdf
36. Gneushev A. N., Murynin A. B. Adaptive Gradient Method for Extracting Contour Features of Objects in Images of Real-World Scenes // Journal of Computer and Systems Sciences International. 2003. Vol. 42, № 6. P. 973-980.
37. Гнеушев А.Н., Мурынин А.Б. Адаптивный градиентный метод выделения контурных признаков объектов на изображениях реальных сцен // Известия Академии Наук. Теория и системы управления. — 2003 T. № 6. — С. 128-135. pdf
38. Гнеушев А.Н., Мурынин А.Б. Широкополосный градиентный метод выделения контурных признаков объектов на неравномерно контрастных изображениях. // Тезисы докладов научной конференции “Математические модели сложных систем и междисциплинарные исследования”. – М.: ВЦ РАН, 23-24 октября 2002 г. – с. 44.

Ссылки