Нейросеть учится распознавать незаконные свалки: точность достигла 95%

Нейросеть обучалась на базе свыше 100 тысяч спутниковых снимков из разных регионов России, чтобы научиться распознавать реальные свалки и отличать их от промышленных и строительных объектов.

В обучающую выборку включили изображения промышленных и строительных площадок, чтобы алгоритм научился четко различать их от мусорных свалок.

Кроме того, создали программу, которая автоматически собирает из открытых источников данные о местности — рельеф, тип земного покрова и плотность населения, что позволяет оценивать не только «картинку», но и особенности территории.

«При проверке мы сравнивали стандартный подход к обучению и новый метод — с дополнительными примерами объектов, которые напоминают свалки, но ими не являются. В результате точность распознавания заметно возросла, доля ложных срабатываний снизилась примерно в 24 раза, а общая точность классификации выросла с 56% до 95%», — сообщают авторы исследования.

Власти России давно признают проблемы мусорной реформы. В разных регионах из‑за сбоев в вывозе мусора вводят режим повышенной готовности, а местами применяют необычные подходы к контролю свалок.

Хотя решений пока далеко не найдено, работа демонстрирует потенциал сочетания анализа изображений со сведениями о местности для мониторинга экологических угроз.