Аннотация:В работе рассматривается задача сегментации для обнаружения трещин в дорожном покрытии. Обучено и протестировано несколько вариантов нейронной сети с архитектурой DAUNet. Каждый вариант был обучен на данных различного качества. Для этого были разработаны методы ухудшения исходной разметки (сделанной людьми в ручном режиме). Показано, что метрика AIU, основанная на площади трещины, существенно зависит от качества разметки, в то время, как другие метрики (sODS/sOIS), основанные на форме, меньше зависят от качества разметки.