Collaborateurs sur le Défi 8 semaines Omdena iRAP qui visait à rassembler des solutions basées sur l'IA pour cartographier les risques d'accident et générer des données d'attributs de classement par étoiles iRAP ont partagé certains de leurs résultats de publication.

Plus tôt cette année, 50 experts en IA et en apprentissage automatique, y compris des étudiants en herbe, des scientifiques des données, des ingénieurs en ML et en données, et des experts du domaine du monde entier ont travaillé avec des membres de l'équipe d'innovation et de développement iRAP afin de trouver une solution pour la collecte accélérée et intelligente. et le codage des données d'attributs routiers (AiRAP) pour prévenir les accidents de la route et sauver des vies.

Lisez ces méthodes Python perspicaces et bien appliquées :

Utiliser des réseaux de neurones convolutifs pour améliorer la sécurité routière et sauver des vies » par Lois Anne Leal et Chaitree Baradkar – https://bit.ly/3gK8men

« Détection d'objets en images 2D pour localiser les voitures et les piétons » par Giulio Giaconi et Dave Bunten
https://bit.ly/3vce0cV

"Streamlit 101 : Déploiement d'un tableau de bord AutoML Streamlit pour prédire et afficher les résultats" par MUHAMMAD ALI
https://bit.ly/3vov9QP

iRAP remercie sincèrement l'équipe d'Omdena. Les résultats informeront de grands pas en avant pour #3star ou de meilleures routes pour tous les usagers de la route qui sauveront des vies.