ROAD-DETR, kutilmagan yoʻl xavflarini turli masshtablarda, zaif vizual chegaralarda va yomon tasvir sharoitlarida mahalliylashtirish uchun ishlab chiqilgan qiyinchilikka sezgir Transformer asosidagi obyekt aniqlash doirasidir. Tadqiqot shuningdek ROAD-6-Det nomli, oltita kutilmagan yoʻl xavfini oʻqlarga parallel bounding box annotatsiyalari bilan qamrab olgan 33.784 tasvirdan iborat benchmark maʼlumotlar toʻplamini taqdim etadi. ROAD-DETR; Hazard-Aware Multi-Scale Fusion Module (HMSFM), Difficulty-Aware Feature Enhancement Module (DAFEM) va Hazard Query Refinement Module (HQRM) deb nomlangan uchta vazifaga xos modulni, shuningdek bashorat ishonchliligini lokalizatsiya sifatiga qarab oʻrganadigan confidence branch-ni birlashtiradi.

ROAD-6-Det dagi umumiy test boʻlimida ROAD-DETR; 94.2% mAP@50, 72.1% mAP@50:95, 93.2% precision, 91.1% recall va 93.5% umumiy F1 natijasiga erishgan. Eng kuchli bazaviy model RF-DETR-M ning mAP@50 ko'rsatkichi 85.7%, mAP@50:95 ko'rsatkichi 63.7% bo'lgan. Model shuningdek kuchli past yorug'likda 90.6%, qalin tumanda 90.8%, kuchli yomg'irda 90.4%, kuchli xiralashishda 88.6% va eng qiyin kichik-xavf guruhida 90.1% natija qayd etgan.

Bu topilmalar ROAD-6-Det ning test sharoitlari va tadqiqotda yaratilgan nazorat qilinadigan tasvir buzilishlari uchun amal qiladi. Tadqiqot haqiqiy avtonom transport vositasi ochiq yoʻlda xavfsiz haydashni amalga oshirganini, barcha mamlakatlarda yoki ilgari ko'rilmagan maʼlumotlar toʻplamlarida bir xil natijani saqlashini yoki ROAD-DETR xavfsizlik-kritik haydash uchun yolgʻiz oʻzi yetarli ekanini ko'rsatmaydi.

Tadqiqot muammosi

Anʼanaviy avtonom haydash maʼlumotlar toʻplamlari asosan avtomobil, piyoda, velosipedchi, yoʻl belgisi va yoʻl chizigʻi kabi odatiy transport obyektlariga eʼtibor qaratadi. Kutilmagan yoʻl xavflari esa obyekt aniqlash tizimlari uchun boshqa muammoni yuzaga keltiradi. Qulagan daraxt yoki avariyaga uchragan transport vositasi katta va tuzilmaviy obyekt boʻlishi mumkin, holbuki moy toʻkilishi, sirt suvi yoki muzlagan yoʻl atrofdagi yoʻl teksturasi bilan zaif chegaralar hosil qiladigan keng va amorf sirt hududlaridir. Yoʻl chiqindilari esa tasvirning juda kichik qismini egallashi mumkin.

Manba Transformer asosidagi detektorlar uchun uchta asosiy qiyinchilikni belgilaydi: xavflarning fazoviy masshtabi keskin oʻzgarishi, yomon ob-havo yoki past kontrast sabab oraliq xususiyatlarning farqlash qobiliyati susayishi va standart oʻrganiladigan object query-lar siyrak yoki noaniq xavflarni yetarlicha ifodalay olmasligi. ROAD-DETR ning uch moduli shu uch muammoga javob beradigan qilib ishlab chiqilgan.

ROAD-6-Det nima?

ROAD-6-Det ilgari tasvir-darajasidagi tasnif uchun ishlab chiqilgan ROAD-6 ni obyekt-darajasidagi lokalizatsiyaga kengaytiradigan va oltita kutilmagan yoʻl xavfi uchun bounding box annotatsiyalarini taqdim etadigan 33.784 tasvirdan iborat obyekt aniqlash benchmarkidir.

Oltita xavf sinfi

• Accident Vehicle — Avariyaga uchragan transport vositasi: Yoʻl harakati oqimini buzadigan yoki xavfli haydash holatini yuzaga keltiradigan avariyaga uchragan transport vositasi.
• Fallen Tree — Qulagan daraxt: Yoʻlning bir qismini yoki barchasini toʻsib qoʻygan daraxt va katta shoxlar.
• Road Debris — Yoʻl chiqindilari/boʻlaklari: Shina, transport vositasi qismi, qurilish materiali yoki boshqa kutilmagan yoʻl usti obyektlari.
• Oil Spill — Moy toʻkilishi: Shina-yoʻl ilashishini kamaytirishi mumkin boʻlgan suyuq ifloslanish.
• Surface Water — Sirt suvi: Yogʻin, toshqin yoki drenaj muammolari sabab hosil boʻlgan suv toʻplanishi.
• Icy Road — Muzlagan yoʻl: Sirpanish va transport vositasi boshqaruvini yoʻqotish xavfini oshirishi mumkin boʻlgan muz bilan qoplangan yoʻl sirti.

Maʼlumotlar toʻplami qanday yaratildi?

ROAD-6-Det, ROAD-6 ning ayni oltita sinfi va tasvir kompozitsiyasini saqlagan holda barcha koʻrinadigan xavf namunalariga oʻqlarga parallel bounding box qoʻshadi. Tasvirlar asl ROAD-6 tadqiqotida ommaga ochiq onlayn manbalardan, yoʻl sahnasi maʼlumotlar bazalaridan va haqiqiy haydash tasvirlaridan toʻplangan. Maʼlumotlar toʻplamida ham asl, ham augmentatsiya orqali hosil qilingan tasvirlar mavjud.

Maʼlumotlar sizib chiqishini kamaytirish uchun asl tasvir va undan hosil qilingan augmentatsiya namunalari bir xil maʼlumotlar boʻlimida saqlangan. Shu tariqa treningdagi asl tasvirning augmentatsiya varianti validatsiya yoki test boʻlimiga oʻtishining oldi olingan. Trening, validatsiya va test toʻplamlari bir-biridan ajratilgan.

Annotatsiya sifati qanday tekshirildi?

Bounding box-lar kompyuter koʻrishi va obyekt aniqlash tajribasiga ega tadqiqotchilar tomonidan qoʻlda tayyorlangan. Annotator-lardan xavfning koʻrinadigan fazoviy qamrovini imkon qadar zich oʻrab olishlari va aloqasiz fonni qutiga kiritmasliklari soʻralgan. Dastlabki annotatsiyadan keyin barcha tasvirlar Roboflow interfeysi orqali qoʻlda sifat nazoratidan oʻtkazilgan; yetishmayotgan xavflar, notoʻgʻri qamrov, boʻsh yoki notoʻgʻri joylashtirilgan qutilar qayta koʻrib chiqilgan. Kichik, qisman toʻsilgan va chegaralari noaniq sirt xavflariga alohida eʼtibor berilgan.

ROAD-6-Det boshqa maʼlumotlar toʻplamlaridan nimasi bilan farq qiladi?

ROAD-DETR kutilmagan yoʻl xavflarini qanday aniqlaydi?

ROAD-DETR avval RF-DETR backbone-dan past, oʻrta va yuqori darajadagi xususiyat xaritalarini oladi; HMSFM ularni umumiy koʻp-masshtabli xavf ifodasiga aylantiradi, DAFEM kanal va fazoviy attention orqali qiyin vizual hududlarni kuchaytiradi, HQRM esa Transformer decoder-ga kirishdan oldin object query-larni sahnaga xos xavf konteksti bilan qayta vaznlantiradi.

Tenglama (1): Ierarxik backbone xususiyatlari

\[ F=\{F_1,F_2,F_3\}. \tag{1} \]

Kirish tasviri \(I\in\mathbb{R}^{H\times W\times3}\) ko‘rinishidadir. Backbone uch xil semantik darajada \(F_1\), \(F_2\) va \(F_3\) xususiyat xaritalarini hosil qiladi. Har bir xususiyat xaritasi:

\[ F_i\in\mathbb{R}^{C_i\times H_i\times W_i} \]

ko‘rinishidadir. \(C_i\) kanallar sonini, \(H_i\) va \(W_i\) fazoviy o‘lchamlarni ifodalaydi. Past darajalar nozik joylashuv tafsilotlarini ko‘proq saqlasa, yuqori darajalar kuchliroq semantik kontekstni olib yuradi.

Tenglama (2): HMSFM bilan koʻp-masshtabli uygʻunlashtirish

\[ F_m=\Phi_{\mathrm{HMSFM}}(F_1,F_2,F_3). \tag{2} \]

\(\Phi_{\mathrm{HMSFM}}\) uchta xususiyat darajasini yagona umumiy xavf ifodasiga aylantiradigan o‘rganiladigan amallar majmuasidir. \(F_m\in\mathbb{R}^{C\times H_m\times W_m}\) birlashtirilgan ko‘p-masshtabli xususiyat xaritasidir. Ushbu formulaning asosiy maqsadi kichik yo‘l chiqindilaridagi fazoviy ishoralar bilan katta avariya transport vositalari yoki qulagan daraxtlardagi yuqori darajadagi semantik ma’lumotni bir xil xususiyat fazosida saqlashdir.

Tenglama (3): DAFEM xususiyatlarni kuchaytirish

\[ F_d=\Phi_{\mathrm{DAFEM}}(F_m). \tag{3} \]

\(F_d\) yomon ob-havo, past yorug‘lik, zaif obyekt-fon kontrasti yoki noaniq chegaralar sabab qiyin aniqlanadigan xavf hududlarining xususiyatlarini kuchaytirishga qaratilgan takomillashtirilgan ifodadir. DAFEM tasvirni jismonan “tozalamaydi”; xususiyat fazosidagi axborotli kanal va joylashuvlarni qayta vaznlantiradi.

Tenglama (4): Xavfga sezgir query takomillashtirish

\[ Q_h=\Phi_{\mathrm{HQRM}}(Q,F_d). \tag{4} \]

\(Q\in\mathbb{R}^{N_q\times C}\) Transformer ning o‘rganiladigan object query to‘plamidir. \(N_q\) query sonidir. HQRM sobit o‘rganilgan query-larni sahnadagi mavjud xavf xususiyatlari bilan bog‘lab, ularni \(Q_h\) ko‘rinishida qayta tashkil qiladi.

Tenglama (5): Transformer decoder chiqishi

\[ Z=\operatorname{Decoder}(F_d,Q_h). \tag{5} \]

\(Z\) tasniflash va bounding-box regressiya sarlavhalari foydalanadigan decoder embedding-lardir. Shunday qilib, modelning yakuniy bashorati ham takomillashtirilgan tasvir xususiyatlari \(F_d\) ga, ham sahnaga moslashtirilgan xavf query-lari \(Q_h\) ga tayanadi.

HMSFM ning ichki tuzilishi

Tenglama (6): Umumiy embedding fazosiga proyeksiya

\[ \hat F_i=\psi_i(F_i). \tag{6} \]

\(\psi_i\) har bir backbone darajasiga tegishli o‘rganiladigan 1×1 convolution proyeksiyasidir. U turli kanal soniga ega \(F_i\) xaritalarini umumiy embedding o‘lchamiga keltiradi. 1×1 convolution fazoviy qo‘shnichilikni kengaytirmasdan kanallar kombinatsiyasini bajaradi.

Tenglama (7): Koʻp-masshtabli xususiyatlarni birlashtirish

\[ F_c=\operatorname{Concat}(\hat F_1,\hat F_2,\hat F_3). \tag{7} \]

Avval proyeksiya qilingan xususiyat xaritalari umumiy fazoviy aniqlikka qayta o‘lchamlanadi; so‘ng kanal yo‘nalishida birlashtiriladi. \(F_c\) ayni sahnaning nozik fazoviy tafsilotlari va yuqori darajadagi semantikasini birgalikda olib yuradi.

Tenglama (8): Konvolyutsion uygʻunlashtirish

\[ F_m=\sigma(W_f*F_c+b_f). \tag{8} \]

\(*\) convolution amalini, \(W_f\) o‘rganiladigan filtrlari, \(b_f\) bias va \(\sigma\) chiziqsiz aktivatsiyani bildiradi. Bu bosqich xususiyatlarni shunchaki yonma-yon qo‘ymaydi; birlashtirilgan ma’lumotlardan yangi ko‘p-masshtabli xavf xususiyatlarini o‘rganadi.

Qiyin tasvir sharoitlari DAFEM ichida qanday ko‘rib chiqiladi?

Manba tuman yoki yomgʻir kabi atmosfera buzilishini tushuntirish uchun raqamlanmagan klassik tasvir hosil boʻlish modelini beradi:

\[ I(x)=J(x)t(x)+A(1-t(x)). \]

\(I(x)\) kuzatilgan tasvir, \(J(x)\) tagdagi haqiqiy sahna nurlanishi, \(t(x)\) uzatish koeffitsiyenti va \(A\) atmosfera yorug‘ligidir. \(t(x)\) kamaygan sari kontrast va farqlovchi tasvir tuzilishi susayadi. ROAD-DETR ushbu tenglamani teskari yechib dehazing qilmaydi; DAFEM qolgan axborotli xususiyatlarni attention orqali kuchaytiradi.

Tenglama (9): Mahalliy xususiyatlarni ajratib olish

\[ F_l=\phi_l(F_m). \tag{9} \]

\(\phi_l\) birlashtirilgan xususiyat xaritasi ustida ishlaydigan mahalliy convolution asosidagi xususiyat ajratish operatoridir. Chiqish \(F_l\) kanal va fazoviy attention hisoblarining asosiy kirishidir.

Tenglama (10): Kanal attention

\[ A_c= \sigma\left( W_c(\operatorname{GAP}(F_l)) \right). \tag{10} \]

GAP — Global Average Pooling amali. U har bir kanalning fazoviy ma’lumotini bitta umumlashtiruvchi qiymatga jamlaydi. \(W_c\) bu umumlashtirishni o‘rganiladigan tarzda o‘zgartiradi va sigmoid \(\sigma\) attention vaznlarini cheklangan oraliqqa olib keladi. Maqsad xavfni aniqlash nuqtai nazaridan axborotliroq feature channel-larga kuchliroq hissa berishdir.

Tenglama (11): Fazoviy attention

\[ A_s=\sigma(W_s*F_l). \tag{11} \]

\(W_s\) o‘rganiladigan fazoviy convolution yadrosidir. \(A_s\) tasvirning qaysi fazoviy hududlari xavf nuqtai nazaridan muhimroq ekanini belgilovchi attention xaritasidir.

Tenglama (12): Residual qiyinchilikka sezgir xususiyat

\[ F_d=F_l\odot A_c\odot A_s+F_m. \tag{12} \]

\(\odot\) elementma-element ko‘paytirishdir. Avval \(F_l\) kanal va fazoviy attention bilan qayta vaznlanadi; so‘ng asl \(F_m\) residual bog‘lanish orqali qo‘shiladi. Residual hadi muhim: attention juda zaif bo‘lsa ham asosiy ko‘p-masshtabli xususiyat yo‘qolmaydi.

HQRM ning ichki tuzilishi

Tenglama (13): Global xavf konteksti

\[ C_h=\operatorname{GAP}(F_d). \tag{13} \]

\(C_h\) takomillashtirilgan xususiyat xaritasining ixcham global kontekst vektoridir. Manba og‘irroq deformable-attention ga o‘xshash tuzilma o‘rniga past qo‘shimcha hisoblash xarajati sabab global pooling ni tanlaydi.

Tenglama (14): Query fazosiga kontekst proyeksiyasi

\[ G_h=\delta(W_hC_h). \tag{14} \]

\(W_h\) o‘rganiladigan proyeksiya parametrlari, \(\delta\) esa chiziqsiz aktivatsiyadir. \(G_h\) sahna kontekstini object query-lar bilan mos embedding o‘lchamiga aylantiradi.

Tenglama (15): Residual query gating

\[ Q_h=Q+G_h\odot Q. \tag{15} \]

Har bir query ning asosiy o‘rganilgan ma’nosi \(Q\) saqlanadi; \(G_h\odot Q\) esa sahnaga xos xavf kontekstini qo‘shadi. Ushbu formula:

\[ Q_h=(1+G_h)\odot Q \]

ko‘rinishida ham qaralishi mumkin. Manba \(G_h\in(0,1)\) farazidan kelib chiqib query koordinatalari 1 bilan 2 oralig‘ida masshtablanishini bildiradi; query ishorasi teskari aylantirilmaydi yoki nolga bostirilmaydi.

Tenglama (16): Decoder embedding toʻplami

\[ Z=\{z_1,z_2,\ldots,z_{N_q}\}. \tag{16} \]

Har bir \(z_i\) bitta object query bilan bog‘liq decoder embedding bo‘lib, keyingi uchta bashorat sarlavhasi uchun umumiy ifoda vazifasini bajaradi.

Tenglama (17): Tasniflash sarlavhasi

\[ P_i=\operatorname{Softmax}(W_{\mathrm{cls}}z_i). \tag{17} \]

\(P_i\) \(i\)-query ning xavf sinflari bo‘yicha ehtimollar taqsimotidir. Softmax sinf ballarini normallashtiradi.

Tenglama (18): Bounding-box regressiyasi

\[ B_i=\sigma(W_{\mathrm{box}}z_i). \tag{18} \]

\[ B_i=(x_i,y_i,w_i,h_i). \]

\(x_i,y_i\) qutining joylashuvini, \(w_i,h_i\) kenglik va balandlikni ifodalaydi. Sigmoid normallashtirilgan quti chiqishini cheklangan oraliqda ushlab turadi.

Tenglama (19): Alohida ishonchlilik bashorati

\[ S_i=\sigma(W_{\mathrm{conf}}z_i). \tag{19} \]

\(S_i\in(0,1)\) bashorat ishonchliligiga oid scalar confidence qiymatidir. Bu qiymat \(P_i\) sinf ehtimoli bilan bir xil emas. Sinf branch “qaysi xavf?” savoliga, confidence branch esa “ushbu obyekt bashorati lokalizatsiya nuqtai nazaridan qanchalik ishonchli?” savoliga javob beradi.

ROAD-DETR qanday oʻqitiladi?

Tenglama (20): Umumiy koʻp-vazifali yoʻqotish

\[ L_{\mathrm{total}} = L_{\mathrm{cls}} +\lambda_1L_{L1} +\lambda_2L_{\mathrm{GIoU}} +\lambda_{\mathrm{conf}}L_{\mathrm{conf}}. \tag{20} \]

\(L_{\mathrm{cls}}\) tasniflash, \(L_{L1}\) quti koordinatasi, \(L_{\mathrm{GIoU}}\) geometrik quti qoplanishi va \(L_{\mathrm{conf}}\) confidence bashorati yo‘qotishidir. \(\lambda_1\), \(\lambda_2\) va \(\lambda_{\mathrm{conf}}\) ushbu vazifalarning optimallashtirishdagi nisbiy vaznlarini boshqaradi. Manba \(\lambda_{\mathrm{conf}}=1.0\) qiymatini barcha tajribalarda o‘zgarmas ishlatgan.

Manba ichidagi hisobot izohi: Tenglama (20) umumiy maqsad funksiyasini shu toʻrtta yoʻqotish komponenti bilan belgilaydi. Biroq manba 3-rasmda trening va validatsiya grafiklari orasida qoʻshimcha DFL loss egri chiziqlarini ham koʻrsatadi. Maqola bu DFL egri chiziqlarining Tenglama (20) bilan aniq aloqasini alohida tushuntirmaydi; shu sabab bu yerda yangi yoʻqotish hadi qoʻshilmagan.

Tenglama (21): Focal classification loss

\[ L_{\mathrm{cls}} = -\alpha_t(1-p_t)^{\gamma}\log(p_t). \tag{21} \]

\(p_t\) to‘g‘ri sinfga berilgan ehtimolni; \(\alpha_t\) sinfni muvozanatlash vaznini; \(\gamma\) esa oson namunalarning yo‘qotishga hissasini kamaytiradigan focusing parametrini ifodalaydi. \(p_t\) 1 ga yaqinlashgani sari \((1-p_t)^\gamma\) kichrayadi va allaqachon oson tasniflangan namunaning yo‘qotishdagi ta’siri kamayadi.

Tenglama (22): Confidence uchun lokalizatsiya-sifati maqsadi

\[ q_i= \begin{cases} \operatorname{IoU}(B_i,B_i^{gt}), & i\in\mathcal{M},\\ 0, & i\notin\mathcal{M}. \end{cases} \tag{22} \]

\(\mathcal M\) bipartite matching natijasida haqiqiy obyektlar bilan moslangan query to‘plamidir. Moslangan query ning confidence maqsadi faqat 1/0 emas; bashorat qutisi bilan haqiqiy quti orasidagi IoU qiymatidir. Moslanmagan query uchun maqsad nol. Shunday qilib confidence score sinf aniqligidan alohida ravishda lokalizatsiya sifatini o‘rganadi.

Tenglama (23): Confidence yoʻqotishi

\[ L_{\mathrm{conf}} = -\frac{1}{N_q} \sum_{i=1}^{N_q} \left[ q_i\log(S_i) + (1-q_i)\log(1-S_i) \right]. \tag{23} \]

Bu query darajasidagi binary cross-entropy shaklidagi yo‘qotishdir; biroq maqsad \(q_i\) moslangan query-larda IoU orqali uzluksiz qiymat olishi mumkin. \(S_i\) bilan haqiqiy lokalizatsiya sifati o‘rtasidagi moslikni oshirish ko‘zlanadi.

Hisoblash murakkabligi

HMSFM ning 1×1 proyeksiyalari murakkabligi:

\[ O\left( \sum_{i=1}^{3}C_iCH_iW_i \right) \]

va birlashtirilgan xususiyat ustidagi \(k\times k\) convolution uygʻunlashtirishining murakkabligi:

\[ O(3k^2C^2H_mW_m) \]

deb beriladi. Bu xarajat fazoviy aniqlik bilan chiziqli masshtablanadi.

DAFEM ichidagi mahalliy refinement:

\[ O(k^2C^2H_mW_m), \]

fazoviy attention:

\[ O(k^2CH_mW_m), \]

kanal attention esa:

\[ O(CH_mW_m+C^2) \]

xarajatiga ega. Ustun had mahalliy convolution tarmogʻidir.

HQRM xarajati:

\[ O(CH_mW_m+C^2+N_qC) \]

deb beriladi. Bunga qarshi Transformer encoder self-attention ning fazoviy xarajati:

\[ O\left((H_mW_m)^2C\right) \]

masshtabidadir. Mualliflarning nazariy dalili yangi uch modul encoder–decoder yadrosiga nisbatan pastroq tartibli qoʻshimcha yuk keltirishidir. Bu parametrlar sonining 33.7 M → 34.6 M oshishi bilan ham mos keladi.

Residual gating uchun uchta nazariy xususiyat

1. Identity preservation: Tenglama (12) da \(A_c\odot A_s\rightarrow0\) bo‘lganda:

\[ F_d\rightarrow F_m. \]

Yaʼni attention branch foydasiz boʻlib qolsa ham asosiy birlashtirilgan xususiyat residual yoʻl orqali saqlanadi.

2. Bounded query modulation: Manbaga ko‘ra \(G_h\in(0,1)\) bo‘lganda:

\[ \|Q\|_2 \leq \|Q_h\|_2 \leq 2\|Q\|_2 \]

chegarasini beradi. Shunday qilib refinement query-larni cheklangan tarzda kattalashtiradi; pretrained query maʼnosini teskari aylantiradigan yoki butunlay bostiradigan modulyatsiya emas.

3. Gradient propagation: DAFEM uchun:

\[ \frac{\partial F_d}{\partial F_m} = I+ \frac{\partial(F_l\odot A_c\odot A_s)} {\partial F_m}. \]

Residual tarmoqdan keladigan \(I\) identity operatori attention vaznlari kichik bo‘lsa ham gradientning oldingi qatlamlarga to‘g‘ridan-to‘g‘ri o‘tishi uchun yo‘l beradi. Manba shunga o‘xshash identity hadi HQRM query hosilasida ham mavjudligini bildiradi.

Tadqiqot Usuli va Natijalari

Trening va baholash tartibi

Nazorat qilinadigan qiyinchilik darajalari qanday yaratildi?

Tenglama (24): Precision

\[ \operatorname{Precision} = \frac{TP}{TP+FP}. \tag{24} \]

\(TP\) to‘g‘ri musbat, \(FP\) noto‘g‘ri musbat bashoratlar sonidir. Precision model “xavf bor” degan aniqlashlarning qanchasi haqiqatan to‘g‘ri ekanini o‘lchaydi. Yuqori precision keraksiz yolg‘on signallar kamligini ko‘rsatadi.

Tenglama (25): Recall

\[ \operatorname{Recall} = \frac{TP}{TP+FN}. \tag{25} \]

\(FN\) haqiqiy xavf mavjud bo‘lsa ham model o‘tkazib yuborgan namunalar sonidir. Xavfsizlik-kritik xavf aniqlashda yuqori recall ayniqsa muhim; chunki recall kamaygan sari o‘tkazib yuborilgan xavflar ulushi ortadi.

Tenglama (26): F1 balli

\[ F1 = 2 \frac{ \operatorname{Precision}\times\operatorname{Recall} }{ \operatorname{Precision}+\operatorname{Recall} }. \tag{26} \]

F1 precision va recall ning garmonik oʻrtachasidir. Ikki metrikdan biri juda past boʻlsa, F1 ham sezilarli kamayadi. Shu sabab u faqat yolgʻon signalni yoki faqat oʻtkazib yuborish nisbatini emas, balki ikki xatti-harakat muvozanatini umumlashtiradi.

Tenglama (27): Intersection over Union

\[ \operatorname{IoU} = \frac{B^p\cap B^{gt}} {B^p\cup B^{gt}}. \tag{27} \]

\(B^p\) bashorat qilingan, \(B^{gt}\) haqiqiy bounding box. Surat ikki qutining kesishish maydoni, maxraj esa birlashma maydonidir. IoU 1 ga yaqinlashgani sari bashorat qutisi haqiqiy quti bilan yaxshiroq qoplanadi.

Tenglama (28): Average Precision

\[ AP= \int_0^1P(R)\,dR. \tag{28} \]

\(P(R)\) recall darajasiga bog‘liq precision egri chizig‘idir. AP Precision–Recall egri chizig‘i ostidagi maydonni umumlashtiradi va muayyan sinfning turli confidence chegaralaridagi umumiy aniqlash sifatini o‘lchaydi.

Tenglama (29): Mean Average Precision

\[ mAP= \frac{1}{N} \sum_{i=1}^{N}AP_i. \tag{29} \]

\(N\) sinflar sonidir; ROAD-6-Det uchun oltita sinf bor. mAP@50 — IoU=0.50 chegarasidagi AP lar o‘rtachasi. mAP@50:95 esa IoU 0.50 dan 0.95 gacha 0.05 qadam bilan hisoblanadigan qat’iyroq lokalizatsiya bahosidir. Shu sabab mAP@50:95 yuqori bo‘lishi quti faqat obyektni topgani emas, balki aniqroq joylashtirilganini ham ko‘rsatadi.

Eng ilgʻor modellar taqqoslanishi

ROAD-DETR eng kuchli baseline RF-DETR-M ga nisbatan mAP@50 ni 85.7% dan 94.2% ga, mAP@50:95 ni 63.7% dan 72.1% ga oshirgan. Precision 86.7% dan 93.2% ga, recall 82.0% dan 91.1% ga va umumiy F1 84.3% dan 93.5% ga koʻtarilgan. Ayniqsa mAP@50:95 oshishi model faqat xavf sinfini topishda emas, balki qatʼiyroq bounding-box qoplanish sharoitlarida lokalizatsiya qilishda ham yaxshilanganini koʻrsatadi.

Hisoblash xarajati va xavfsizlikka yoʻnaltirilgan koʻrsatkichlar

ROAD-DETR, RF-DETR-M ga nisbatan parametrlar sonini taxminan %2.7 va hisoblash xarajatini taxminan %8.5 oshirgan holda, sinovdan oʻtkazilgan RTX PRO A6000 tizimida taxminan 10.1 ms/tasvir va 99 FPS taʼminlagan. Manbadagi FPR, klassik true-negative asosidagi false-positive rate emas; umumiy bashoratlar ichidagi notoʻgʻri musbat aniqlashlar ulushidir. FNR esa haqiqiy xavflar ichidagi oʻtkazib yuborilgan xavflar ulushidir.

ROAD-DETR turli uskunalarda qanchalik tez ishladi?

Bu natijalar uskuna konteksti muhim ekanini koʻrsatadi. RTX PRO A6000 juda yuqori throughput bersa, Jetson Orin pastroq FPS ga qaramay manbada eng yuqori FPS/W qiymatini bergan. Raspberry Pi 5 da esa 0.80 FPS real vaqt video aniqlash uchun ancha cheklangan. Shuning uchun “ROAD-DETR 99 FPS ishlaydi” degan ibora uskunadan mustaqil xususiyat emas.

Confidence branch nima berdi?

Manba 6-rasmdagi reliability diagram toʻliq ROAD-DETR ning predicted confidence va empirik aniqlik oʻrtasidagi aloqasi RF-DETR-M dan va confidence branch olib tashlangan ROAD-DETR dan yaxshiroq kalibrlanganini koʻrsatadi. Manba ushbu grafikdan alohida ECE sonini bermagani uchun bu yerda grafikdan yangi kalibratsiya metrikasi chiqarilmagan.

ROAD-DETR yomon ob-havo va kichik xavflarda natijasini saqlaydimi?

ROAD-6-Det da yaratilgan nazorat qilinadigan past yorugʻlik, tuman, yomgʻir, blur va kichik-xavf sharoitlarida ROAD-DETR taqqoslangan Transformer modellaridan yuqori natija koʻrsatgan; ammo bu tajribalar cheksiz real dunyo ob-havo sharoitlarida cross-domain validatsiya emas, balki umumiy test tasvirlariga nazorat qilinadigan qiyinchilik qoʻllash orqali bajarilgan robustness baholashidir.

Sinf boʻyicha qaysi xavflar qiyinroq?

Eng yuqori AP@50 avariyaga uchragan transport vositalarida 97.8% va qulagan daraxtlarda 96.9%. Moy toʻkilishi 91.2% va sirt suvi 92.0% bilan qiyinroq sinflardir. Manba buni zaif chegaralar va aks ettiruvchi/amorf koʻrinishlar bilan bogʻlaydi. Confusion matrix larda eng tez-tez uchraydigan chalkashliklardan biri Oil Spill bilan Surface Water oʻrtasidadir.

F1 hisobot izohi: Asosiy benchmark jadvalida precision 93.2% va recall 91.1% dan hisoblangan umumiy F1 93.5% deb berilgan. Sinf boʻyicha F1 qiymatlarining 6-jadvaldagi “Mean” qatori esa 92.1%. Bu ikki qiymat turli agregatsiya shakllarini ifodalagani sababli birini boshqasining oʻrniga ishlatmaslik kerak.

Kumulyativ ablatsiya: Har bir modul qancha hissa qoʻshdi?

HMSFM yolgʻiz oʻzi baseline ga nisbatan mAP@50 da 2.7, mAP@50:95 da 2.5 foiz punkt oshish bergan. DAFEM qoʻshilganda qiymatlar 90.6 va 68.7 ga; HQRM bilan 92.3 va 70.5 ga; confidence branch bilan 94.2 va 72.1 ga koʻtarilgan. Ushbu kumulyativ tajriba har bir qoʻshimcha komponent toʻliq pipeline ichida ijobiy hissa qoʻshganini koʻrsatadi.

Mustaqil ablatsiya: Modullar qaysi turdagi qiyinchilikda samaraliroq?

HMSFM ning eng katta mustaqil hissasi kichik xavflarda kuzatilgan va baseline 79.8% dan 83.2% ga oshgan. DAFEM yomgʻir/tuman sharoitida 82.6 → 86.0, past yorugʻlikda 81.4 → 85.2 oshish bergan. HQRM barcha sharoitlarda oshish bergan holda, ayniqsa past yorugʻlik va kichik xavflar sharoitida foyda koʻrsatgan. Toʻliq model barcha toʻrt guruhda bitta modulli variantlardan sezilarli yuqori natija bergan.

Tadqiqot qoʻllab-quvvatlaydigan natijalar

• ROAD-6-Det, ROAD-6 ni tasvir-darajasidagi tanishdan bounding-box asosidagi obyekt lokalizatsiyasiga kengaytirgan.
• ROAD-DETR, ROAD-6-Det ning umumiy test boʻlimida taqqoslangan YOLO va Transformer modellaridan yuqori qayd etilgan umumiy natijaga erishgan.
• mAP@50:95 oshishi qatʼiyroq IoU chegaralarida ham lokalizatsiya aniqligi yaxshilanganini koʻrsatadi.
• HMSFM kichik xavflar uchun, DAFEM yomon koʻrinish sharoitlari uchun ayniqsa foydali mustaqil hissalarni koʻrsatgan.
• HQRM sahna kontekstiga qarab object query-larni takomillashtirib, baseline ga nisbatan izchil natija oshishini bergan.
• Confidence branch qoʻshilishi ham detection natijasini oshirgan, ham reliability diagram da confidence kalibratsiyasini yaxshilagan.
• RTX PRO A6000 da model 99 FPS; Jetson Orin da 26 FPS oʻlchangan.

Tadqiqot qoʻllab-quvvatlamaydigan umumlashtirishlar va cheklovlar

• Baholash asosan ROAD-6-Det da amalga oshirilgan; natijalar cheksiz cross-domain umumlashtirish dalili emas.
• Mavjud boshqa maʼlumotlar toʻplamlarining sinf va annotatsiya tuzilmalari farq qilgani uchun bevosita oltita sinfli cross-dataset benchmark oʻtkazilmagan.
• Robustness testlaridagi past yorugʻlik, tuman, yomgʻir va blur sharoitlarining bir qismi nazorat qilinadigan tasvir buzilishi orqali yaratilgan; ular barcha haqiqiy meteorologik sharoitlarning oʻrnini bosmaydi.
• ROAD-DETR faqat RGB tasvirdan foydalanadi; chuqurlik, geometriya va harakat maʼlumotini beradigan LiDAR yoki radar ushbu modelda ishlatilmagan.
• Oil Spill, Surface Water va Icy Road kabi amorf sirt xavflari oʻqlarga parallel bounding box bilan faqat taxminiy ifodalanishi mumkin.
• Modelning yuqori benchmark natijasi oʻz-oʻzidan avtonom transport vositasi xavfsizligi yoki haqiqiy haydash xavfsizlik sertifikatsiyasini anglatmaydi.
• Raspberry Pi 5 dagi 0.80 FPS natijasi resurslari cheklangan CPU platformalarida real vaqt foydalanishi hozirgi shaklda cheklanganini koʻrsatadi.

Kelajakdagi tadqiqot

Mualliflar kelajakda turli yoʻl va atrof-muhit sharoitlarida kategoriyaga mos transport vositasi asosidagi maʼlumotlarni yigʻib mustaqil zero-shot baholash oʻtkazishni, RGB ni LiDAR geometriyasi/chuqurligi, radar masofa-harakat maʼlumoti va V2X konteksti bilan birlashtiradigan multimodal hazard perception tuzilmalarini ishlab chiqishni va amorf yoʻl xavflari uchun bounding box dan aniqroq shape-aware ifodalash usullarini oʻrganishni rejalashtiradi.

Manba va Usul Haqida Izoh

Asl sarlavha: Learning to Expect the Unexpected: Benchmarking and Detecting Unexpected Road Hazards

Mualliflar: Temirova Zubayda Okmirzaevna; Shehzad Ali; Rafał Scherer; Arslan Munir; Khan Muhammad.

Masʼul mualliflar: Arslan Munir; Khan Muhammad.

Muassasalar: Visual Analytics for Knowledge Laboratory (VIS2KNOW Lab), Department of Applied Artificial Intelligence, College of Computing and Informatics, Sungkyunkwan University, Seoul, Republic of Korea; Department of Artificial Intelligence, Częstochowa University of Technology, Częstochowa, Poland; Intelligent Systems, Computer Architecture, Analytics, and Security Laboratory (ISCAAS Lab), Department of Electrical Engineering and Computer Science, Florida Atlantic University, Boca Raton, USA.

Jurnal: Mathematics.

Nashriyot: MDPI.

Bibliografik qayd: Mathematics 2026, 14(19), 3543.

DOI: 10.3390/math14193543

Yuborilgan: 30 iyul 2026. Qayta koʻrib chiqish: 15 sentabr 2026. Qabul: 24 sentabr 2026. Nashr: 29 sentabr 2026.

Manba turi: Taqrizdan oʻtgan tadqiqot maqolasi; kompyuter koʻrishi, obyekt aniqlash, benchmark maʼlumotlar toʻplamini ishlab chiqish va eksperimental chuqur oʻrganish modelini baholash.

Litsenziya: Creative Commons Attribution (CC BY).

Academic Editor: Lukun Wang.

Moliyalashtirish bayonoti: Maqolaning Funding boʻlimida “This research received no external funding” iborasi keltirilgan.

Acknowledgments bayonoti: Alohida Acknowledgments boʻlimida tadqiqot ANCHOR orqali Seoul ANCHOR Center tomonidan qoʻllab-quvvatlangani va dastur Ministry of Education hamda Seoul Metropolitan Government tomonidan moliyalashtirilgani, loyiha raqami 2026-ANCHOR-01-018-01 ekani aytiladi. Ushbu ikki manba bayonoti bu yerda bir-biriga aylantirilmasdan alohida saqlangan.

Maʼlumotlar va kod mavjudligi: Maqola ROAD-6-Det maʼlumotlar toʻplami va manba kodi GitHub dagi ROAD-6-Det repositoriyasida ommaga ochiq ekanini va tegishli manbaga 23 sentabr 2026 kuni kirilganini bildiradi.

Manfaatlar toʻqnashuvi: Mualliflar manfaatlar toʻqnashuvi yoʻqligini bildirgan.

Muallif hissalari: Konseptualizatsiya va metodologiya barcha mualliflar; dasturiy taʼminot Temirova Zubayda Okmirzaevna va Shehzad Ali; validatsiya Rafał Scherer, Arslan Munir va Khan Muhammad; formal tahlil va tadqiqot barcha mualliflar; resurslar Temirova Zubayda Okmirzaevna, Shehzad Ali va Khan Muhammad; maʼlumotlarni kuratsiya qilish Temirova Zubayda Okmirzaevna; dastlabki qoralama Temirova Zubayda Okmirzaevna, Shehzad Ali va Khan Muhammad; ko'rib chiqish/tahrirlash barcha mualliflar; vizualizatsiya Temirova Zubayda Okmirzaevna, Shehzad Ali va Khan Muhammad; rahbarlik va loyiha boshqaruvi Arslan Munir va Khan Muhammad; moliyalashtirishni olish Khan Muhammad tomonidan amalga oshirilgan.

Manba ichidagi hisobot izohlari: HMSFM asosiy usul boʻlimida “Hazard-Aware Multi-Scale Fusion Module” deb atalgan, 7-jadval izohida esa “Hierarchical Multi-Scale Fusion” tarzida ochilgan. Tenglama (20) toʻrtta yoʻqotish komponentini belgilasa, 3-rasmda qoʻshimcha DFL loss egri chiziqlari mavjud va manba bu farqni ochiqcha muvofiqlashtirmaydi. Umumiy F1 balli 93.5% boʻlsa, sinf boʻyicha F1 qiymatlarining 6-jadvaldagi oʻrtachasi 92.1%; ikki natija turli agregatsiya darajalarida saqlangan.

Asosiy talqin chegarasi: ROAD-DETR ning qayd etilgan natijalari ROAD-6-Det test boʻlimi va tadqiqotda belgilangan robustness tajribalariga tegishli. Tadqiqot mustaqil oltita sinfli cross-dataset zero-shot baholash, haqiqiy transport vositasida ochiq yoʻl xavfsizlik validatsiyasi yoki barcha ob-havo/geografiya sharoitlarida natija kafolatini bermaydi.