Немецкие исследователи выяснили, что алгоритмы, очищающие от пыли изображения для беспилотной сельхозтехники, могут снижать безопасность её работы. Системы, которые лучше всего справляются с визуальной стороной задачи, одновременно мешают искусственному интеллекту распознавать людей, оказавшихся рядом с техникой.
К такому выводу пришла группа учёных из Баварии. Они изучали, как пыль от плуга или дисковой бороны влияет на камеры автономных тракторов. Густое облако пыли способно ослепить систему компьютерного зрения, создавая риск для человека, который может находиться позади агрегата. Исследователи не стали разрабатывать новый алгоритм, а создали два набора эталонных данных и сравнили десять уже существующих методов очистки изображений.
Результаты оказались неожиданными. Алгоритмы, которые делали картинку визуально наиболее чистой, не помогали, а иногда и мешали нейросети обнаружить человека. Некоторые методы и вовсе «стирали» фигуру человека с изображения. При этом подходы, показавшие худшие результаты по качеству очистки, наоборот, значительно улучшали распознавание. Например, один из таких алгоритмов повысил среднюю точность обнаружения человека на 13,5 процентного пункта, хотя по метрикам качества изображения был одним из худших.
Для тестов учёные создали два набора данных – DaN-Dust и RB-Dustv2. В первом случае камеру установили на трактор и снимали пыльные и чистые проезды по одному и тому же участку поля. Во втором – использовали стационарную камеру, перед которой проезжал трактор, поднимая пыль. Это позволило получить парные снимки одной и той же сцены до запыления и после того, как пыль осела.
Среди методов, которые лучше всего справлялись с визуальной очисткой, выделились DedustGAN и CycleGAN. Однако когда их проверили на безопасность, результаты оказались другими. CycleGAN и некоторые другие алгоритмы мешали нейросети распознавать людей или вовсе делали это невозможным. Лучшие результаты в тестах на безопасность показали методы, которые не требуют предварительного обучения на большом массиве данных.
Авторы работы отмечают, что выбор технологии должен зависеть от конечной цели – нужна ли оператору визуально чистая картинка или максимальная надёжность системы безопасности. Они признают, что тесты на распознавание людей проводились на ограниченном наборе изображений и требуют дальнейшей проверки. В будущем, по их мнению, необходимо создавать специализированные алгоритмы, которые будут одновременно улучшать и качество изображения, и способность систем обнаруживать объекты.