La précision, le rappel et le score F1 sont des métriques de classification utilisées pour évaluer la performance des modèles d’IA et d’apprentissage automatique dans la détection des défauts des chaussées et des infrastructures. La précision mesure la fraction des défauts détectés qui sont corrects ; le rappel mesure la fraction des défauts réels qui sont trouvés ; le score F1 est leur moyenne harmonique.
Les modèles d'IA de TarmacView sont rigoureusement évalués à l'aide des métriques de précision, de rappel et de F1 dans toutes les classes de dégradation des chaussées afin de garantir des performances de détection fiables.
La détection de fissures par IA utilise la vision par ordinateur — réseaux de neurones convolutifs, vision transformers et modèles de segmentation sémantique — ...
La détection d'objets localise et classifie les objets dans les images à l'aide de boîtes englobantes — pour l'inspection d'infrastructures, cela inclut les nid...
La segmentation de fissures est une tâche de vision par ordinateur consistant à classer chaque pixel d'une image comme fissure ou non-fissure, produisant un mas...
