ГОСТ Р 70321.6—2022
5.6.1.6 Сезон съемки
Сезон съемки влияет на спектральные отражательные характеристики объектов дорожно-транс
портной сети на снимках. Например, значительные изменения изображения объектов вызваны наличи ем
снежного покрова зимой и его отсутствием летом.
5.6.1.7 Контрастность объектов по отношению к подстилающей поверхности (фону)
Контрастность объектов по отношению к подстилающей поверхности (фону) влияет на возмож
ность распознавания объектов дорожно-транспортной сети на снимках. Чем выше контрастность, тем
выше вероятность распознавания объектов дорожно-транспортной сети на снимках.
5.6.1.8 Урбанизация территории
Урбанизация территории определяет характерный паттерн контекста изображения объектов до
рожно-транспортной сети на снимках.
5.6.1.9 Ширина проезжей части
Ширина проезжей части связана напрямую с разрешающей способностью бортовой аппаратуры:
чем выше пространственное разрешение снимков, тем меньше ширина проезжей части, которая может
быть распознана.
5.6.2Статистические характеристики распределения существенных факторов устанавлива
ют заказчики испытаний исходя из предусмотренных условий эксплуатации алгоритмов ИИ с уче
том существенных факторов, перечисленных в таблице 1. Дополнительные данные приведены в
ГОСТ Р 59898—2021 (7.2.1.4).
5.7 Программа и методика испытаний
5.7.1 При составлении программы и методики испытаний следует руководствоваться ГОСТ 19.301,
ГОСТ Р 59795—2021 (5.13), ГОСТ Р 59898—2021 (7.1.1) и дополнениями, приведенными в настоящем
стандарте.
5.7.2 Перечень проверок, включаемых в программы и методики испытаний, зависит от специфики
тех задач, для решения которых применяют алгоритмы ИИ.
6 Тестирование и оценка показателей
6.1 Испытания алгоритмов ИИ проводят по разработанным в соответствии с 5.7 программам и
методикам испытаний.
6.2 Испытания алгоритмов ИИ рекомендуется проводить в следующем порядке:
а) на вход алгоритмов ИИ подают снимки из тестовых наборов данных;
б) результаты работы алгоритмов ИИ регистрируют и сравнивают с разметкой тестовых наборов
данных;
в) рассчитывают показатели функциональной корректности алгоритмов ИИ;
г) по результатам проведения испытаний оформляют протокол испытаний.
6.3 Показатели для оценки функциональной корректности алгоритмов ИИ выбирают исходя из
специфики решаемой задачи на усмотрение заказчика испытаний. Ниже приведены примеры показате
лей для различных задач распознавания объектов дорожно-транспортной сети.
6.3.1В задачах бинарной классификации (объект/необъект дорожно-транспортной сети на сним
ке) могут быть использованы такие показатели, как:
- точность (precision);
- полнота (recall);
- F-мера.
Точность, полноту и F-меру рассчитывают по формулам (14), (15) и (17) ГОСТ Р 59898—2021 со
ответственно, причем:
-
ТР
— количество истинно положительных исходов: объект классифицирован как объект дорож
но-транспортной сети по результатам работы алгоритма ИИ и является объектом дорожно-транспорт
ной сети в разметке;
- ГА/ — количество истинно отрицательных исходов: объект классифицирован как необъект до
рожно-транспортной сети и не является объектом дорожно-транспортной сети в разметке;
-
FN
— количество ложноотрицательных исходов: объект классифицирован как необъект дорож
но-транспортной сети и является объектом дорожно-транспортной сети в разметке.
5