Пермские ученые научили нейросеть искать незаконные свалки по-новому — точность выросла с 56 до 95%
Scientists Perm национального исследовательского политехнического университета (ПНИПУ) have developed новую методику автоматического анализа спутниковых снимков.

Раньше нейросети при анализе спутниковых фото часто путали скопления мусора со стройплощадками, карьерами и промзонами, из-за чего экологам приходилось вручную перепроверять тысячи кадров. Пермские исследователи изменили подход к обучению модели.
Как пермские исследователи учили нейросеть
Нейросеть тренировали на базе из более чем 100 thousands снимков разных регионов России. В выборку специально включили изображения похожих на свалки промышленных и строительных объектов, чтобы алгоритм научился четко отличать их от реальных отходов.
Кроме того, ученые создали программу, которая сама собирает из открытых источников дополнительные данные о местности — рельеф, тип земного покрова и плотность населения. Это позволяет нейросети оценивать не только «картинку», но и особенности окружающей территории.
«При проверке мы сравнили стандартный подход к обучению и новый — с дополнительными примерами объектов, которые напоминают свалки, но ими не являются. В результате качество распознавания заметно улучшилось. Доля ложных срабатываний — случаев, когда нейросеть ошибочно принимала участок за свалку, снизилась примерно в 24 раза. Общая точность классификации выросла с 56 до 95%», — рассказал автор работы Вадим Данелян.