Дата-сайентисты Clover Group вошли в число лучших на хакатоне по искусственному интеллекту

Команда Clover Group заняла третье место в Innorobohack — хакатоне по искусственному интеллекту в робототехнике от Университета Иннополис. За 48 часов дата-сайентисты разработали алгоритм поиска рельсовой колеи с помощью методов глубокого обучения для АО «НИИАС» (ОАО «РЖД»).

Для создания решения участники хакатона работали с изображениями железнодорожной колеи Московского Центрального Кольца, полученными с камер на локомотивах. Всего было предоставлено 2000 изображений для обучения, 600 — для валидирования модели на открытой части Leaderdoard-а и 409 изображений для оценки качества алгоритмов на закрытой части Leaderdoard-а.

Итоговое решение от команды дата-саейнтистов Clover представляло собой ансамбль 3 моделей на архитектуре U-net. Предоставленных изображений не хватало, поэтому для построения базовых моделей ребята использовали сторонний датасет из открытых источников. Эти изображения использовались для предобучения моделей на небольшом количестве эпох от 10 до 30.

Особое внимание команда уделила аугментации¹ исходных изображений: трансформировала дневные изображения в ночные и создавала теневые участки на изображении, похожие на тени от столбов и мостов. Разделение выборки для обучения и валидации ребята производили стратифицировано² с использованием информации о площади рельсовой колеи и времени суток на изображении ЖД-путей.

По итогам хакатона команда Clover Group заняла 3 место с результатом 0,9495 по метрике IoU среди 15 команд. Отрыв между вторым и третьим местом оказался незначительным — всего одна десятитысячная.


CLOVER GROUP (ГК «Ctrl2GO») — глобальный вендор программного обеспечения в области прогнозного обслуживания для транспортной отрасли, металлургии, горнорудной отрасли, энергетики, нефтегаза. Цифровая платформа Clover и комплексные цифровые решения компании для индустрий трансформируют промышленные предприятия с помощью технологий искусственного интеллекта. Компания сотрудничает с крупнейшими предприятиями России, СНГ, Европы, Ближнего Востока и Азии в области применения прогнозной аналитики, а также ведущими научными и образовательными учреждениями. Разработки компании включены в Единый реестр отечественного ПО.


^1. Аугментация — это способ увеличения обучающей выборки, основанный на повторном использовании изображений после различных трансформаций: повороты, сдвиги, изменение яркости и другие.
^2. Стратифицированное разделение выборки — способ разделения по определенному признаку или параметру, когда после разделения этот признак имеет одинаковое распределение во всех подвыборках.