自動運転のための画像のラベリングと説明

問題

安全性は、自動運転エンジニアリングチームにとって最優先事項です。車両は、あらゆる状況ですべてのリスクを回避する方法を学習する必要があります。世界中の多くの自動運転車メーカーが、路上から大量のビデオ/画像を収集しています。車両と乗客の安全を守るために、これらのメーカーは、すべての潜在的な交通リスク要因を特定することにより、この生の非構造化データを高品質の機械学習トレーニングデータに変換する必要があります。

ソリューション

DataForce は、独自の安全な AI データプラットフォーム上で特別に調整された UI を使用して、画像のラベル付けと注釈のプロジェクトをセットアップしました。当社のアノテーターは、テスト車両のカメラでキャプチャされた実際の画像を含む 18,000 のアセットを分析し、アノテーションを付けました。 DataForce は、歩行者、サイクリスト、流入する交通、およびその他の重要な現実の交通エージェントに注釈を付けることで、高品質の機械学習トレーニングデータセットを作成しました。さらに、次のメタデータを追加しました。

• 動画を説明するキャプション
• 車両がいるシーンのタイプ
• 目に見えるエージェントの種類と予想される移動方向 • 車両のリスクの存在
• 車両に推奨されるアクション

クライアントのエンジニアリングチームは、独自の注釈プラットフォームで DataForce の作業を直接レビューし、注釈チームとリアルタイムでコメントを共有できるようにしました。 TransPerfect DataForce は、わずか 5 日前の通知で、4 週間以内に 18,000 のアセットの画像ラベル付けと注釈付けを完了しました。