ИСТИНА

Сбор и обработка реальных данных часто сопряжены с большими затратами. Синтетические данные могут стать хорошей альтернативой для обучения моделей. Также, важную роль на качество обучаемых моделей оказывает разметка данных. В докладе рассматривается задача сегментации трещин на изображениях дорожного покрытия. На первом этапе исследования было проведено обучение нейронной сети DAUNet на основе специально ухудшенной разметки. Показана зависимость метрик AIU, sODS, SOIS от качества разметки. На втором этапе исследования было проведено обучение нейронной сети DAUNet на основе синтетического обучающего материала. Показана зависимость метрик AIU, sODS, sOIS от процента содержания в обучающем материале синтетических данных.