AI-United » Allgemein » CURE-TSD-Real: der Datensatz zur Überprüfung des Systems zur Objekterkennung

CURE-TSD-Real: der Datensatz zur Überprüfung des Systems zur Objekterkennung

CURE-TSD-Real enthält modifizierte Bilder von Verkehrsschildern, die von den Standard- Neuronennetzen nur schwer erkannt werden. Das zusätzliche Trainieren des Modells anhand eines solchen Datensatzes lässt die Stabilität seiner Vorhersagen einschätzen. Der Datensatz wurde von Forschern aus Georgia Tech gesammelt. Die Forscher sammelten die Bilder von Verkehrsschildern und erweiterten die Daten mit Hilfe vom Algorithmus.

Die Architektur

CURE-TSD-Real besteht aus 2.989 Videos mit ~ 650.000 annotierten Verkehrsschildern. Die Verkehrszeichen wurden unter verschiedenen Bedingungen aufgenommen: Regen, Schnee, Nacht, Nebel, Widerschein, Verfärbung, Verschwommenheit, schmutziges Linsenglas, Okklusion und trübes Wetter. Das Video wurde auf den Straßen von Belgien aufgenommen.

Arten von Verkehrszeichen im Datensatz

Dieser Datensatz wird in Ebenen unterteilt. Je höher die Ebene, desto höher der Rauschanteil in den Bildern und desto komplizierter das Trainieren des Modells.

Das Testen

Die Forscher haben die 2 besten Architekturen des Wettbewerbs VIP Cup traffic sign detection trainiert, um einzuschätzen, wie gut das Neuronennetz die Zeichen aus CURE-TSD-Real erkennen kann. Beide Modelle basieren auf faltenden neuronalen Netzwerken. VGG und ResNet liegen dem ersten Modell zugrunde. GoogLeNet und benutzerdefiniertes CNN liegen dem zweiten Modell zugrunde.

Die Testergebnisse zeigten, dass die Anwesenheit ungünstiger Aufnahmeverhältnisse die Präzision der Vorhersagen des Modells um 20-60% senkt. Das hängt von der Genauigkeitsmetrik ab, die angewandt wird. 

Solche Bedingungen wie Schatten auf Video beeinflussen in geringerem Ausmaß die Qualität der Vorhersagen des Modells (sie senken sie um 16%). Die Fehler, die mit dem Kodieren des Videos verbunden sind, senken die Modellgenauigkeit um 80%.

Quelle
AI-United-Redaktion

Kommentar hinzufügen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.