Пермские ученые научили нейросеть искать незаконные свалки по-новому — точность выросла с 56 до 95 % Ученые Пермского национального исследовательского политехнического университета (ПНИПУ) разработали новую методику автоматического анализа спутниковых снимков. Раньше нейросети при анализе спутниковых фото часто путали скопления мусора со стройплощадками, карьерами и промзонами, из-за чего экологам приходилось вручную перепроверять тысячи кадров. Пермские исследователи изменили подход к обучению модели. Нейросеть тренировали на базе из более чем 100 тысяч снимков разных регионов России. В выборку специально включили изображения похожих на свалки промышленных и строительных объектов, чтобы алгоритм научился четко отличать их от реальных отходов. Кроме того, ученые создали программу, которая сама собирает из открытых источников дополнительные данные о местности — рельеф, тип земного покрова и плотность населения. Это позволяет нейросети оценивать не только «картинку», но и особенности окружающей территории. «При проверке мы сравнили стандартный подход к обучению и новый — с дополнительными примерами объектов, которые напоминают свалки, но ими не являются. В результате качество распознавания заметно улучшилось. Доля ложных срабатываний — случаев, когда нейросеть ошибочно принимала участок за свалку, снизилась примерно в 24 раза. Общая точность классификации выросла с 56 до 95 %», — рассказал автор работы Вадим Данелян. Российские власти давно признали провал «мусорной» реформы. В разных регионах из-за катастрофической ситуации с вывозом мусора вводят режим повышенной готовности — например, в Чите и в Костомукше. Кое-где придумывают довольно экзотические решения: например, в Ленинградской области поручили искать незаконные свалки инспекторам на лошадях, потому что «наезднику сверху открывается отличный обзор». Но настоящего решения так и нет.
- 30
- 19
- 10
- 3
- 1