ALINA: Fortgeschrittener Algorithmus zur Identifizierung und Notation von Linien

Labels sind das Fundament von überwachten maschinellen Lernalgorithmen. Die meisten visuellen Erkennungsmethoden sind voll überwacht und verwenden Begrenzungsrahmen oder pixelweise Segmentierungen zur Lokalisierung von Objekten. Traditionelle Methoden zur Beschriftung, wie Crowdsourcing, sind aufgrund von Kosten, Datenschutz, Zeitaufwand und möglichen Fehlern bei großen Datensätzen unerschwinglich. Um diese Probleme anzugehen, schlagen wir ein neuartiges Annotation Framework vor, den Fortgeschrittenen Algorithmus zur Identifizierung und Notation von Linien (ALINA), der zur Beschriftung von Taxiway-Datensätzen verwendet werden kann, die aus verschiedenen Kameraperspektiven und variablen Wetterattributen (sonnig und bewölkt) bestehen. Darüber hinaus wurde der Algorithmus zur AZIMUTALEN Schwellenwert Pixelentdeckung und - Traversierung (CIRCLEDAT) vorgeschlagen, der ein wesentlicher Schritt zur Bestimmung der Pixel ist, die den Markierungen von Taxiway-Linien entsprechen. Sobald die Pixel identifiziert sind, generiert ALINA entsprechende Pixelkoordinatenanmerkungen im Bild. Mit diesem Ansatz wurden 60.249 Bilder aus dem Taxiway-Datensatz AssistTaxi beschriftet. Um die Leistung zu bewerten, wurde manuell ein kontextbasiertes Kantennetz (CBEM) erstellt, das auf Kantenmerkmalen und Konnektivität basiert. Die Detektionsrate nach dem Testen der annotierten Labels mit dem CBEM-Set wurde mit 98,45 % aufgezeichnet, was seine Zuverlässigkeit und Effektivität belegt.