Разработка системы обнаружения повреждений автомобиля с использованием сверточных нейронных сетей

Арысбек Алымхан Болатханович, Сапарходжаев Нурбек Пажарбекович, Абдрахманов Рустам Бахтиерович

Изображения и их обработка являются важной частью понимания мира. Поэтому неполные изображения не позволяют нам определять и анализировать состояние изображения. Это лишает нас больших возможностей, но современные платформы машинного обучения могут восстанавливать потерянные или поврежденные части таких изображений, что облегчает понимание закулисного контекста и эффективный анализ созданных изображений. Экстраполяция в рисовании может быть выполнена путем разделения локальных структур на неизвестные части для создания одного пикселя (или части) недостающей части, сохраняя гармонию с соседними пикселями. Это приложение глубокого обучения используется для выявления повреждений автомобиля и получения первоначальных характеристик перед событием для своевременных страховых выплат. В настоящее время развитие автомобильной промышленности напрямую связано с ростом числа автомобильных аварий. Таким образом, страховые компании сталкиваются с распространением множества жалоб и претензий одновременно. Использование Mask R-CNN, принадлежащего нейронским сетям CNN, основанным на алгоритмах машинного обучения и глубокого обучения, может помочь в решении таких проблем для страховых компаний.

Ключевые слова:CNN, Mask R-CNN, машинное обучение, Deep Learning, компьютерное зрение, нейронная сеть, обнаружение объекта, RoIAlign, RPN