Lois Anne Leal et Chaitree Sham Baradkar ont participé à l'innovante Défi iRAP Omdena 8 semaines plus tôt cette année pour trouver des solutions basées sur l'IA pour cartographier le risque d'accident et générer des données d'attribut de classement par étoiles iRAP. Ils n'étaient que 2 des 50 ingénieurs en IA et en apprentissage automatique provenant du monde entier et qui se concentraient sur la recherche d'une solution pour la collecte et le codage accélérés et intelligents des données d'attributs routiersAiRAP) pour sauver des vies.

Lois est spécialiste de la recherche scientifique, ingénieur en apprentissage automatique et développeur TensorFlow certifié des Philippines et Chaitree est un scientifique des données chez PharmaACE et ingénieur en apprentissage automatique chez Omdena de Pune, en Inde.

Le iRAP Omdena Challenge avait 3 objectifs principaux:

1. Recueillir des données géolocalisées sur les accidents et produire des cartes des risques iRAP des accidents historiques par kilomètre et des accidents par kilomètre parcouru pour chaque usager de la route
2. Source des données sur les attributs de la route, le flux de trafic et la vitesse selon la norme mondiale iRAP et cartographie les performances de sécurité et le classement par étoiles de plus de 100 millions de km de route dans le monde
3. Produire des indicateurs de performance clés de l'infrastructure routière reproductibles qui peuvent constituer la base du suivi annuel des performances

Lois et Chaitree ont contribué au deuxième objectif en recherchant automatiquement la composante cruciale du nombre de véhicules sous l'attribut trafic ou flux de véhicules à l'aide d'images satellites à l'aide de l'intelligence artificielle.

Lisez leur blog publié: "Utilisation de réseaux de neurones convolutifs pour améliorer la sécurité routière et sauver des vies“.

Nos remerciements à Lois et Chaitree, ainsi qu'à tous les bénévoles du Challenge pour leur précieuse contribution!