Выбрать страницу

Лоис Энн Леаль и Чейтри Шам Барадкар приняли участие в инновационной iRAP Omdena 8-недельное испытание ранее в этом году, чтобы найти решения на основе искусственного интеллекта для картирования риска сбоев и создания данных атрибутов звездного рейтинга iRAP. Они были всего лишь 2 из 50 инженеров по искусственному интеллекту и машинному обучению, собранных из краудсорсинга со всего мира, сосредоточенных на поиске решения для ускоренного и интеллектуального сбора и кодирования данных о дорожных атрибутах (AiRAP) для спасения жизней.

Лоис - специалист по научным исследованиям, инженер по машинному обучению и сертифицированный разработчик TensorFlow из Филиппин, а Чейтри - специалист по данным в PharmaACE и инженер по машинному обучению в Omdena из Пуны, Индия.

iRAP Omdena Challenge преследовал 3 основные цели:

  1. Получение геолокационных данных о ДТП и создание карт рисков iRAP с указанием исторических ДТП на километр и ДТП на километр пройденного пути для каждого участника дорожного движения.
  2. Получите данные о характеристиках дороги, транспортном потоке и скорости в соответствии с глобальным стандартом iRAP и сопоставьте показатели безопасности и звездный рейтинг более 100 миллионов км дорог по всему миру.
  3. Создание повторяемых ключевых показателей эффективности дорожной инфраструктуры, которые могут лечь в основу ежегодного отслеживания эффективности

Лоис и Чейтри внесли свой вклад в достижение второй цели, автоматически найдя ключевой компонент подсчета транспортных средств в атрибуте движения или потока транспортных средств с использованием спутниковых изображений с помощью искусственного интеллекта.

Прочтите их опубликованный блог: «Использование сверточных нейронных сетей для повышения безопасности дорожного движения и спасения жизней“.

Мы благодарим Лоис и Чейтри, а также всех волонтеров Challenge за их ценный вклад!

Версия для печати, PDF и электронная почта
ru_RUРусский
Поделись этим

Поделись этим

Поделись этим постом с друзьями!