自动驾驶的图像标签和描述

问题

安全是自动驾驶工程团队的首要任务。车辆必须学会如何在任何情况下避免所有风险。全球许多自动驾驶汽车制造商从街道上收集了大量视频/图像。为了保证车辆和乘客的安全，这些制造商需要通过识别所有潜在的交通风险因素，将这些原始的、非结构化的数据转化为高质量的机器学习训练数据。

解决方案

DataForce 在其专有且安全的 AI 数据平台上建立了一个图像标签和注释项目，该项目具有专门定制的 UI。我们的注释者分析并注释了 18,000 项资产，其中包括测试车辆上的摄像头拍摄的真实图像。 DataForce 通过对行人、骑自行车者、传入交通和其他重要的现实交通代理进行注释来创建高质量的机器学习训练数据集。此外，我们添加了以下元数据：

• 描述视频的标题
• 车辆所在的场景类型
• 可见代理的类型和预期的移动方向 • 车辆存在风险
• 车辆的推荐操作

客户的工程团队直接在我们专有的注释平台上审查了 DataForce 的工作，以便他们可以与注释团队实时分享他们的评论。 TransPerfect DataForce 在四个星期内完成了 18,000 项资产的图像标记和注释，并且仅提前五天发出通知。

Autonomous Driving