Nous optimisons en permanence les capacités de RoadAI grâce à des tests, des formations et des calibrations réguliers.
Nous améliorons et affinons en permanence les capacités de reconnaissance d'images et de vision par ordinateur de RoadAI grâce à des formations et des calibrations continues. Notre jeu de données d'entraînement comprend des dizaines de milliers d'images, ceci est revu et complété chaque semaine pour corriger toute erreur potentielle dans la reconnaissance, la classification des objets et des dégradations, ainsi que dans l'anonymisation. Des procédures similaires sont appliquées à notre jeu de données de validation, qui contient des milliers d'images. Nos modèles sont mis à jour plusieurs fois par an avec de nouvelles capacités (par exemple, de nouveaux labels pour les dégradations et dépendances) et des données d'entraînement. Avant d'être intégrés à RoadAI, nos modèles de vision par ordinateur subissent des tests rigoureux à l'aide de diverses méthodes.
Comment RoadAI se mesure-t-il en termes de précision et de répétabilité? Comment les données sont-elles capturées et utilisées?
Une étude récente sur la répétabilité a révélé qu'avec la métrique choisie, RoadAI était significativement plus répétable que les humains (103 %). De plus, les données de RoadAI provenant d’une application comparée à celles d’une autre présentait deux fois moins de variations que les données de deux evaluateurs humains. Nous avons également découvert avec intérêt que les ensembles de données RoadAI correspondaient mieux à H2 que H1 à H2, mettant encore plus en évidence les variations entre les humains. Découvrez-en plus dans cette étude.