มุ่งสู่การตรวจสอบคุณลักษณะของถนนโดยอัตโนมัติโดยใช้การเรียนรู้เชิงลึก

ภาพจาก Hosei University (Japan)

นักวิจัยในญี่ปุ่นสร้างตัวแบบการเรียนรู้เชิงลึก (deep learning) ที่ใช้แผนที่สามมิติที่มีความแม่นยำสูงเพื่อตรวจจับลักษณะของถนนเป็นข้อมูลการฝึกอบรม

นักวิจัยใช้ซอฟต์แวร์ CloudCompare เพื่อแยกพื้นผิวพื้นดิน จากนั้นสร้างข้อมูลพื้นที่จากแผนที่และแยกส่วนประกอบของจุดต่าง ๆ ที่ระบุว่าเป็นป้ายจราจร สัญญาณไฟจราจร หรือสิ่งอื่น ๆ 

ผู้วิจัยได้ค่าพรีซิชัน (precision) รีคอล (recall) และ เอฟ-เมเชอร์ (F-measure) เป็น 0.84, 0.75, และ 0.79 ตามลำดับ สำหรับป้ายสัญญาณบนถนน เป็น 1.00, 0.75, และ 0.76 สำหรับสัญญาณไฟจราจร ค่าพรีซิชันที่ได้จากงานวิจัยนี้มีค่าสูงกว่าตัวแบบเดิมที่มีอยู่ 

อ่านข่าวเต็มได้ที่: Hosei University (Japan)