Как стать автором
Обновить

Комментарии 23

Сервис принимает на вход снимки с беспилотных летательных аппаратов, на выходе генерирует GeoJSON файл с разметкой найденных объектов капитального строительства с привязкой к географическим координатам.

Правильнее сказать просто найденных объектов, т.к. не ясно, как отличить крышу навеса (который не является объектом кап. строительства) от крыши дома.

Согласен, если отдельно стоящие теплицы/беседки можно визуально различить, то распознать примыкающие к домам навесы почти невозможно даже разметчику, не говоря уже о ML моделях.
Надо летать с камерой, смотрящей на 80-70 градусов, на высоте 60 метров. При этом делать два пролета, по осям x и y. С одного или другого ракурса будет видно стену.
Стена — не признак капитального объекта.
Градостроительный кодекс РФ, ст. 1:

10) объект капитального строительства — здание, строение, сооружение, объекты, строительство которых не завершено (далее — объекты незавершенного строительства), за исключением некапитальных строений, сооружений и неотделимых улучшений земельного участка (замощение, покрытие и другие);

10.2) некапитальные строения, сооружения — строения, сооружения, которые не имеют прочной связи с землей и конструктивные характеристики которых позволяют осуществить их перемещение и (или) демонтаж и последующую сборку без несоразмерного ущерба назначению и без изменения основных характеристик строений, сооружений (в том числе киосков, навесов и других подобных строений, сооружений);


Про стены ничего не говорится. Ключевое деление — по «прочной связи с землёй» и по перемещаемости.
Считать площадь объекта капитального строительства по крыше не совсем корректно. Обычно крыша несколько больше фактической площади. Плюс всякие там крылечки, беседки т.д.
Например: дом по стенам 10х10 м= 100м2, по крыше 11х11=121м2 На сколько больше человек заплатит за не верные данные?
Я на этом проекте занимался только моделированием и не погружался глубоко в бизнес область.
Специалисты меня поправят, но я уверен, что основаниями для изменения налоговой базы должны являться как минимум заключение кадастрового инженера.
А те, кто получат счета на уплату налога, хотели бы иметь возможность аннулировать диплом кадастрового инженера. После многочисленных цифровых систем контроля и штрафования возникает социальная напряжённость и потери коптеров.

Отмазка «я просто выполнял приказ» на том суде не сработала, кстати.
Нисколько, теперь считают от кадастра, площадь, мансардные этажи, неотапливаемые площади и пр. уже не имеют никакого значения.

Я бы еще посоветовал вам при обучении модели попробовать Tversky loss-функцию — это надстройка над Dice ошибкой, только с доп. параметром По факту заставляет сеть штрафовать больше за False Positive или False Negative.
Крыш все-таки гораздо меньше фона и классы сегментации несбалансированы.

Не встречал раньше упоминаний про такую loss-function, попробуем, спасибо!
Похоже, спутниковые фото не дают возможности найти незарегистрированные постройки. А собираемость штрафов падает… Пришлось прибегнуть к современным технологиям
А какой вариант раскраски крыши в целях нераспознавания рекомендуется?
Например, тут есть интересный вариант
Из-за излишней заботы о гражданах придётся им самим строить подземные катакомбы.
А крышу придётся озеленять:
image
И маскировочные сетки
image
И организовывать ПВО
Не хотите отрисовать здания в Open Street Map?)
Прошу прощения, а я не до конца понял, как решался вопрос координатной привязки фотографий, откуда взялись координаты объектов? Или все же сначала по результатам облета был построен и привязан ортофотоплан, и дальнейшие действия происходили уже с ним?
После облетам нам поступал гигантский geoTiff, который содержал координаты. При желании их можно посмотреть, например, вот так. Но мы скармливали его целиком в геосервер, и в процессе инференса запрашивали у него реальные координаты каждого тайла, чтобы привязать положение найденной крыши внутри тайла к глобальным координатам.
А расскажите пожалуйста сколько времени и человек занял проект?
С нуля до работающего веб сервиса?
Все работы (сбор требований, выбор фреймворка, разметка, обучение) до запуска MVP заняли примерно 2.5 месяца. Потом еще примерно 2 месяца занимались улучшением точности.
было бы любопытно посмотреть на результат распознавания заглавной картинки, на ней и глазом то плохо понятно где-что.
Без проблем, отправьте заявку нам нам ai@norbit.ru на доступ к демо моделям, и сможете погонять модель на любых фотках.
спасибо, было любопытно посмотреть на результат заглавной картинки, там очевидно должны быть сложности.
Посмотрите внимательно на такую вещь как PointRend head, вы будете приятно удивлены результатами которые будут с точки зрения точности контура
Зарегистрируйтесь на Хабре, чтобы оставить комментарий