Группа создана в 2017 году. Сотрудники группы до этого работали в Государственном оптическом институте в отделе обработки изображений.

Основное направление работ группы связано с разработкой алгоритмов обработки, анализа изображений, машинным обучением. В частности, сотрудниками группы были разработаны алгоритмы структурного анализа на основе кластерного анализа уникальных локальных признаков. Разработанный подход существенно повышает качество работы методов, основанных на выделении ключевых точек и позволяет осуществлять сопоставление изображений произвольных нестатических трехмерных сцен, а также надежную регистрацию аэрокосмических снимков в условиях сезонно-суточной и антропогенной изменчивости.

Другое разрабатываемое в группе направление структурного анализа основано на использовании дальности до объектов, которую можно получить с помощью других датчиков (таких как стереокамера). Привлечение дополнительный информации и использование алфавита устойчивых примитивов изображения позволяет существенно увеличить точность регистрации.

В последние годы большая часть работ связана с разработкой и проведением фундаментальных исследований в области обучения глубоких нейронных сетей. Были проведены исследования, связанные с выявлением ограничений сверточных нейронных сетей к обобщению геометрических преобразований, а также изучены способы извлечения информации об иерархии визуальных стимулов из обученной нейронной сети. Технология глубокого обучения была применена к решению большого количества задач, связанных с классификацией и обнаружением объектов на изображении.

Много работ выполняются совместно с лабораторией физиологии зрения. В частности, в группе были проведены исследования по разработке алгоритмов распознавания зрительных стимулов по электроэнцефалограмме наблюдателя. Такие алгоритмы могут быть применены для создания нейрокомпьютерных интерфейсов. Для распознавания электроэнцефалограмм были различные методы, включающие рекуррентные и сверточные нейронные сети ( convolutional neural networks ), алгоритмы с использованием вейвлет-признаков и машины опорных векторов.

В группе ведутся исследования по созданию алгоритмов рас- познавания изображений в условиях низкого контраста и большой помеховой составляющей. Для решения привлекаются, в том числе, алгоритмы предварительной фильтрации с использованием информации о функции простых клеток стриарной коры. В группе планируется проведение исследование по исследованию алгоритмов нелокальной оптимизации глубоких нейронных сетей.

Существует достаточно много вопросов, которые требуют фундаментальных исследований для повышения качества существующих интеллектуальных алгоритмов обработки данных. К ним относится в улучшение архитектур нейронных сетей, разработка подходов к более интенсивному использованию подходов на основе обучения без учителя, генеративных моделей и динамически конфигурируемых архитектур.