Группа исследователей из нескольких научно-исследовательских институтов и университетов совместно работала над проектом по разработке модели обнаружения дорожных повреждений, которая хорошо работает во многих странах.
Учитывая ограниченность предыдущих исследований, проведенных в рамках темы обнаружения дорожных повреждений, исследователи приступили к реализации проекта, в рамках которого они хотели построить более надежную модель автоматического обнаружения дорожных повреждений.
В рамках этого проекта они оценили удобство использования ранее разработанного метода на основе смартфонов (японская модель) для обнаружения дорожных повреждений в других странах. Кроме того, они собрали крупномасштабный набор данных изображений, состоящий из более чем 26 000 изображений из нескольких стран по всему миру.
Используя новый набор данных в сочетании с существующими наборами данных для обнаружения дорожных повреждений, исследователи разработали более надежные модели обнаружения дорожных повреждений, которые удовлетворительно работают во многих странах.
Статистика данных, где указаны тип повреждения, количество данных и меток, страны представлена ниже:
Они разделили модели на две группы:
- Одноисточниковые модели (обученные на одном источнике данных и протестированные на гетерогенных данных);
- Многоисточниковые модели (один и тот же источник-одни и те же целевые модели и обученные на комбинированных данных из нескольких стран).
Эксперименты проводились отдельно для каждой целевой страны (Япония, Индия, Чешская Республика). Исследователи пришли к выводу, что для моделей с одним источником трудно добиться хороших результатов по данным, не связанным с распределением (различные целевые страны), независимо от объема обучающих данных. Для моделей с несколькими источниками они упоминают, что результаты варьируются в зависимости от целевой страны.
Передача обучения на основе обнаружения дорожных повреждений для нескольких стран:
Собранный набор данных в рамках этого исследования был опубликован и доступен на Github. Подробнее о моделях и экспериментах можно прочитать в статье.
