Car Parts Segmentation by Deep Learning

Abstract

ขั้นตอนการประเมินความเสียหายของรถยนต์สําหรับธุรกิจประกันภัยนั้นเป็นส่วนที่สําคัญ ในปัจุบันยังต้องใช้ แรงงานคนเพื่อที่จะประเมินความเสียหายของชิ้นส่วนรถยนต์แต่ละส่วน ในงานนี้เราได้เปรียบเทียบอัลกอริทึมการ เรียนรู้เชิงลึกต่าง ๆ ที่ใช้ในการทํา Instance Segmentation เพื่อนํามาแยกชิ้นส่วนต่าง ๆ ของรถยนต์ ซึ่งขั้นตอนนี้เป็น ส่วนหนึ่งที่สําคัญของระบบประเมินความเสียหายของรถยนต์โดยอัตโนมัติ โดยได้ทําการเปรียบเทียบอัลกอริทึม พื้นฐานอย่าง Mask R-CNN และ State-of-the-art ของ Task นี้ นั่นคือ HTC, CBNet, PANet, และ GCNet บนชุดข้อมูล Car Segmentation ที่มีรถยนต์ประเภทต่าง ๆ เช่น Sedan, Truck, และ SUV อีกทั้งยังมีการทดสอบความทนทานของ แบบจําลองเหล่านี้ โดยการทดสอบบนรูปที่มีการปรับเปลี่ยนและจําลองให้เหมือนอยู่ในสภาพแวดล้อมจริงต่างๆ เช่น หิมะตก เกร็ดน้ําแข็ง หมอกทึบ และ ภาวะที่สว่างจ้า โดยวัดประสิทธิภาพสําหรับการตรวจจับด้วยกล่องขอบเขต (Bounding box) และการแบ่งส่วน (Mask) โดยอัลกอริทึมให้ดีที่สุดคือ Hybrid Task Cascade for Instance Segmentation [22] จากการเปรียบเทียบลําดับตามประสิทธิภาพของแบบจําลองในแต่ละการทดลอง ซึ่งงานวิจัยนี้จะ เป็นแนวทางในการเลือกอัลกอริทึมที่เหมาะสมสําหรับการแยกส่วนชิ้นส่วนของรถยนต์เพื่อใช้ในการสร้างระบบการ ประเมินความเสียหายรถยนต์โดยอัตโนมัติสําหรับนักวิจัยระบบประเมินความเสียหาย