Каска или блондинка с каре: как "Центр 2М" учит нейросеть распознавать СИЗ

Распознавание средств индивидуальной защиты на производстве — одна из самых распространенных областей применения искусственного интеллекта. Использование машинного зрения позволяет повысить уровень безопасности и сэкономить деньги предприятия, но лишь в том случае, если нейросеть может безошибочно выявлять нарушения.

Но натренировать алгоритм в "боевых" условиях бывает непросто, утверждают эксперты по анализу данных "Центр 2М" Татьяна Воронова и Эльвира Дяминова. Изображения, полученные с видеокамер, могут быть сняты при плохом освещении, иметь плохое качество и низкое разрешение. А сама нейросеть может легко спутать лысого человека с человеком в каске или не распознать на руках перчатки, если они будут слишком светлыми.

В статье на портале "Хабр" эксперты рассказали, как происходит процесс подбора датасета и последующего обучения алгоритма. На примере реальных задач разработчики подробно описали каждый этап классификации изображений и детекции объектов, от сбора данных и детектирования человека до сбора финального датасета и разметки модели.

Например, одной из главных проблем, вставших перед аналитиками, стала детекция касок. Выяснилось, что нейросеть может ошибочно детектировать каску, если рабочий держит её в руках; "видеть" каску на голове блондинки со стрижкой-каре и путать каску с кепкой, если изображение обрезано больше чем наполовину.

Для того, чтобы повысить эффективность модели и научить его системно распознавать СИЗ, разработчики раз за разом меняли и обогащали датасет, изучали ошибки и постоянно совершенствовали подход: добавляли в исходные данные новые цвета и формы, экспериментировали с размером и ракурсом снимков.

Итогом такой работы стало создание универсальных моделей, позволяющих продемонстрировать заказчику возможности машинного зрения. Однако для разработки по-настоящему эффективного решения нужно создавать уникальные модели, учитывающие уникальные условия и особенности каждого конкретного объекта, отмечают эксперты.

Узнать подробнее о процессе обучения модели и детектировании объектов на производстве, можно в полном тексте статьи Татьяны и Эльвиры на портале "Хабр".