Diversifying demining: An experimental crowdsourcing method for optical mine detection

Detta examensarbete går igenom tanken bakom crowdsourcing och mångfaldens styrka tillämpad på optisk mindetektering. Tanken är att använda det mänskliga ögat och Internets skiftande och varierande arbetsstyrka som ett tillägg för att upptäcka minor tillsammans med dataalgoritmer. Mångfaldsteorin i problemlösande diskuteras och speciellt "Diversity Trumps Ability"-satsen och "Diversity Prediction"-satsen och hur de ska genomföras för tillämpningar som kontrastigenkänning respektive ytreduktion. Ett enkelt kontrastigenkänningsexperiment har genomförts för att jämföra resultaten mellan en lekmannagrupp och en expertgrupp. Grupperna tittar på delar av data från hyperspektrala bilder och klassifierar andel objekt eller minor och terrängtyp. På grund av lågt deltagande från expertgruppen och en felaktig experimentintroduktion ger inte experimentet några statistiskt signifikanta resultat, varför ingen slutsats dras. Experimentförbättringar och framtida tillämpningar föreslås.