Détection automatique de l’environnement d’un véhicule autonome à l’aide de l’intelligence artificielle
Notice bibliographique
Résumé
Le Ministère des Transports du Québec (MTQ) souhaite préparer la province du Québec pour l’arrivée des véhicules autonomes. Ce projet a été confié à l’École de Technologie supérieure (ÉTS) et à l’Institut du Véhicule Innovant (IVI), dans le but de cartographier les routes du Québec à l’aide d’images provenant d’une caméra montée sur un véhicule. À partir de ces images, des objets seront détectés à l’aide d’algorithmes de vision artificielle. Ainsi, le MTQ souhaite faire la détection automatique des nids de poule, lampadaires brisés et glissières de sécurité accidentées défectueuses afin de rehausser le niveau de sécurité routière. \n \nCette étude met l’accent sur la récupération de données locales afin d’entrainer des modèles de détections pour les infrastructures routières. De ce fait, des modèles basés sur l’apprentissage profond et l’architecture YOLO ont été entrainés. Le meilleur résultat obtenu pour la détection de nids de poule est 0.729 mAP. Pour la détection de lampadaires brisés, il est de 0.840 mAP. Aussi, ce projet a permis de récupérer une base de données contenant de plus de 8000 images et 4 classes de détections.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».