Adnotacje

W ramach projektu rozwijana jest autorska metoda opracowania adnotacji wspomaganego metodami sztucznej inteligencji, fuzji danych, automatycznej detekcji i śledzenia obiektów oraz algorytmami aktywnego uczenia. Dane w systemie DARTS będą zawierać różnorodne adnotacje 2D i 3D obiektów, w tym: pojazdów, pieszych, pojazdów jednośladowych, znaków drogowych, sygnalizacji świetlnej oraz przeszkód.
Automatyzacja adnotacji
Adnotacja to technika rozpoznawania i oznaczania etykietą każdego obiektu w zbiorze danych, tj. klatce nagrania lub ramce. Dane te są kluczowe dla szkolenia modeli AI w celu wykrywania obiektów, rozumienia otoczenia drogowego i podejmowania decyzji dotyczących jazdy w czasie rzeczywistym.

Zautomatyzowana adnotacja danych jest niezbędna do opracowywania pojazdów autonomicznych, ponieważ przyspiesza proces etykietowania dużej ilości danych z czujników, takich jak obrazy, dane LiDAR i dane z radarów.

Tradycyjna ręczna adnotacja jest czasochłonna i podatna na błędy ludzkie. Zautomatyzowane narzędzia do adnotacji, oparte na algorytmach uczenia maszynowego, usprawniają ten proces, automatycznie identyfikując i etykietując obiekty, takie jak piesi, pojazdy, znaki drogowe i oznakowania pasów ruchu. Zmniejszając zaangażowanie człowieka, zautomatyzowana adnotacja nie tylko przyspiesza przetwarzanie danych, ale także poprawia dokładność i skalowalność, umożliwiając szybsze cykle iteracji i rozwoju.
Baza scenariuszy testowych

Potrzebujesz
więcej informacji?
Skontaktuj się z nami!