Étiquetage et description des images pour la conduite autonome

Le problème

La sécurité est une priorité pour une équipe d'ingénierie de conduite autonome. Le véhicule doit apprendre à éviter tous les risques dans toutes les situations. De nombreux fabricants de véhicules autonomes dans le monde collectent de grandes quantités de vidéos/images dans les rues. Pour assurer la sécurité de leurs véhicules et de leurs passagers, ces fabricants doivent transformer ces données brutes et non structurées en données de formation d'apprentissage automatique de haute qualité en identifiant tous les agents potentiels de risque de trafic.

La solution

DataForce a mis en place un projet d'étiquetage et d'annotation d'images avec une interface utilisateur spécialement adaptée sur sa plate-forme de données d'IA propriétaire et sécurisée. Nos annotateurs ont analysé et annoté 18 000 actifs qui comprenaient des images du monde réel capturées par des caméras sur des véhicules d'essai. DataForce a créé un ensemble de données de formation en apprentissage automatique de haute qualité en annotant les piétons, les cyclistes, le trafic entrant et d'autres agents critiques de la circulation dans la vie réelle. De plus, nous avons ajouté les métadonnées suivantes :

• Une légende décrivant la vidéo
• Type de scène dans laquelle se trouve le véhicule
• Type d'agents visibles et sens de déplacement attendus • Présence de risque pour le véhicule
• Action recommandée pour le véhicule

L'équipe d'ingénierie du client a examiné le travail de DataForce directement sur notre plate-forme d'annotation propriétaire afin de pouvoir partager ses commentaires avec l'équipe d'annotation en temps réel. TransPerfect DataForce a achevé l'étiquetage et l'annotation d'images de 18 000 actifs en quatre semaines et avec un préavis de seulement cinq jours.