Un truc qui fait plaisir à voir après 10h de calcul sur mon laptop pour l'entraînement nocturne d'un modèle de #ComputerVision c'est une matrice de confusion qui a cette tête.
En gros, quasiment pas de confusion entre les 262 classes !
Mais ça classe quoi ce truc ?
Les panneaux du code de la route détectés par @panoramax :)
Plus de 70000 photos ont été annotées semi-manuellement pour l'entraînement.
Tout ça est partagé et ouvert bien sûr: https://huggingface.co/Panoramax
@cquest @panoramax whoaaaaaaaaaa
@cquest @panoramax C'est plus ou c'est moins que des humains qui le ferait à la mano dans OSM :) ?
@Yrrussaj plus ou moins quoi ?
Plus ou moins précis/exact ?
J'ai pas de chiffres précis, mais dans certains cas, j'aurai eu bien du mal à faire moi même la classification et dans tous les cas, cela m'aurait pris bien plus que quelque ms !
@cquest oui plus ou moins exact :)
C'est vrai que des fois c'est franchement pas évident de trouver les attributs pour un panneau, alors quelques dizaine de milliers c'est le travail d'une année.
Et du coup ces panneaux détectés pourront à terme etre automatiquement intégré dans OSM ? Quid des doublons placés à quelques dizaines de mètres ou justement mal qualifié par un humain ?
@Yrrussaj là, il s'agit juste de les détecter dans les photos, puis de déterminer leur type.
Ce qui n'est pas encore fait: dédoublonner les N photos d'une même panneau et déterminer la localisation même approximative du panneau. On a celle de la photo.
Il n'y a pas encore de confrontation avec les données OSM pour ces raisons, mais c'est la suite logique.