ОБНАРУЖЕНИЕ ПРЕПЯТСТВИЙ НА ЖЕЛЕЗНОДОРОЖНОМ ПУТИ ПО СНИМКАМ С БЕСПИЛОТНОГО ЛЕТАТЕЛЬНОГО АППАРАТА: ОЦЕНКА С УЧЁТОМ УТЕЧКИ ДАННЫХ

Аннотация

На подъездных и станционных путях промышленных предприятий посторонние предметы и люди создают риск столкновения при маневровой работе, а автоматический анализ снимков с беспилотного летательного аппарата (БПЛА) может ускорить осмотр пути. Качество таких детекторов оценивают по разбиению, опубликованному вместе с открытым набором данных, но независимость тестовых снимков от обучающих обычно не проверяют. Цель исследования – измерить утечку данных в опубликованном разбиении открытого набора UAV-RSOD (2002 снимка, шесть классов препятствий) и определить её влияние на оценку качества детектора. Близкие дубликаты искали по особым точкам SIFT с геометрической проверкой RANSAC; блочное разбиение, уменьшающее число близких дубликатов, построено по графу почти-дубликатов с буферной зоной; детектор YOLOv8n дообучен с одинаковыми параметрами на случайном и блочном разбиениях одинакового размера; детекторы YOLOX, обученные на COCO, проверены для класса «человек» без дообучения. 390 из 391 (99,7 %) опубликованных тестовых снимков имеют в обучающей выборке близкие дубликаты, подтверждённые RANSAC (преобразованные копии или соседние кадры). По сравнению со случайным разбиением того же размера в блочном доля тестовых снимков с близким дубликатом того же класса снизилась с 99,8 % до 64,8 %, но не исчезла, так как все снимки сделаны на одном участке. mAP50 детектора YOLOv8n составила 0,806 на случайном разбиении и 0,719 на блочном (один запуск); различие неоднородно по классам. Лучшее значение AP50 детекторов COCO для людей, снятых сверху, – 0,455. Результаты получены на одном участке пути с расставленными препятствиями; частоту ложных тревог оценить нельзя, так как в наборе нет снимков без препятствий. Новизна – количественная оценка утечки в данных осмотра пути с БПЛА и способ её снижения; практическая значимость – требование оценивать детекторы на участках, не входивших в обучение.