検出と位置特定
画像フレームと3Dシーン内の物体を特定します。
- 2Dバウンディングボックス
- 画像と動画のフレーム内で物体の位置を特定します。
- 3D直方体
- 点群シーン内の位置、寸法、向きを記録します。
MCAP と ROS データ
LiDAR と点群
マルチカメラ映像
テレメトリと軌跡
Physical AIのための学習出力
学習ループに必要な出力を選択。
提供中の基本機能を選び、モデルタスクに合わせてクラス、属性、アノテーション範囲、レビューフローを設定します。
セグメンテーション
カメラデータと点群データにクラスまたは物体領域を作成します。
- 画像マスク
- カメラデータにピクセル単位のクラスまたは物体境界を作成します。
- 点群セグメンテーション
- 3Dシーン内の点にセマンティッククラスを割り当てます。
シーンジオメトリ
タスク固有の境界とシーケンスジオメトリを描画します。
- ポリゴンとポリライン
- 車線、縁石、領域など、タスクで定義されたジオメトリを描画します。
- シーケンスポリライン
- フレーム対応の3Dポリラインジオメトリを、対応するシーケンス全体で維持します。
トラッキングと分類
対応するシーケンス全体で物体の同一性と属性を維持します。
- 追跡対象オブジェクト
- 対応するシーケンスのフレーム間で物体の同一性を維持します。
- 分類
- フレーム、物体、トラック単位でラベルと属性を追加します。
タスクを定義
モデルの判断要件から始める。
正解データの表現を決めるのは学習目標であり、その逆ではありません。本番作業を拡大する前に、センサー、エッジケース、納品契約に照らして出力を定義します。
ワークフローが対応する場合は、カメラ、LiDAR、座標変換、シーケンスのコンテキストを常に確認できます。
本番開始前に、クラスルール、ジオメトリ、属性、フレームまたはシーケンスの範囲を設定します。
リリース前に、出力を人手レビューと承認ステータスに通します。対応するタスクには、タスク固有のコンセンサス分析を追加できます。
つながる正解データ
ラベリング後のループまで見据えた設計。
正解データは、レビューを経てバージョン管理された学習データワークフローへ移行できてこそ価値を持ちます。
シーンのコンテキストを維持
ラベリングタスクのために、カメラ、LiDAR、テレメトリ、データセットのコンテキストをつないだままにします。
品質でゲート
人手レビュー、作成者情報、承認ステータスを使用し、対応するタスクにはタスク固有のコンセンサス分析を追加できます。
学習データをリリース
承認済みの出力をバージョン管理されたデータセットワークフローへ移し、その後のエクスポートやモデル作業に活用します。
作業範囲を策定
難しいシーンを1つお持ちください。
学習目標を正解データのジオメトリ、ワークフロー、納品契約へ落とし込みます。