Автор статьи делится опытом работы над проектом по подсчету транспорта на видеопотоке, где столкнулся с ошибками в своем коде. Система была разработана для определения автомобилей, автобусов и трамваев с неподвижной камеры, однако возникли проблемы, когда счетчик показывал десятки проездов за одну красную фазу светофора, хотя на видео была только одна машина.
Несмотря на то, что нейросеть корректно определяла транспортные средства, ошибки в семидесяти строках кода на Python приводили к неверным результатам. Автор решил не использовать готовые наборы данных, а пройти весь путь от съемки до обученной модели самостоятельно, что позволило выявить пять основных проблем в процессе.
Данный опыт подчеркивает важность тщательной проверки кода при разработке систем, использующих машинное обучение. Ошибки в программировании могут значительно повлиять на результаты работы нейросетей, даже если сами модели работают корректно.