Нейросеть на стройке: почему она ошибается в реальных условиях и как мы научили её замечать опасные ситуации
Computer vision can detect people, helmets, vests and construction equipment in images. But finding an object in a test frame and reliably recognizing events at an active construction site are two different tasks. The source uses the example of a surveillance camera at a site where dozens of people and machinery appear on screen. It asks why the neural network makes mistakes in real conditions and how it was taught to notice dangerous situations.
Вы точно знаете, что компьютерное зрение умеет находить людей, каски, жилеты и строительную технику на изображениях. Но обнаружить объект на тестовом кадре и надёжно распознавать события на работающей стройплощадке оказалось двумя разными задачами. Представим обычную ситуацию: камера наблюдения установлена на строительном объекте. На экране десятки людей, техника, строительные леса, пыль и меняющееся освещение. Один рабочий находится далеко от камеры, другого частично закрывает экскаватор, а каска третьего сливается с фоном. Человек, который смотрит на запись, может заметить потенциально опасную ситуацию. Но как научить этому алгоритм, который должен анализировать видеопоток непрерывно, не пропускать важные события и не заваливать оператора ложными тревогами? На первый взгляд сложная задача, но что мы сделали с этим? Расскажу в своей статье, а еще разберём, почему нейросети ошибаются на строительных площадках, как устроен процесс повышения качества видеоаналитики и что необходимо учитывать, чтобы превратить обнаружение объектов в инструмент контроля безопасности. Читать далее