Детекция и локализация
Локализуйте объекты в кадрах изображений и 3D-сценах.
- 2D-ограничивающие рамки
- Локализуйте объекты в кадрах изображений и видео.
- 3D-кубоиды
- Фиксируйте положение, размеры и ориентацию в сценах облаков точек.
Обучающие выходы для Physical AI
Эталонная разметка под задачу модели.
Преобразуйте синхронизированные данные камер, LiDAR и последовательностей в геометрию для систем восприятия: 2D-рамки и маски, 3D-кубоиды и разметку облаков точек, полилинии, классификации и отслеживаемые объекты.
Предоставьте одну репрезентативную сцену. До запуска производства мы определим выход, маршрут проверки и формат поставки.
0142
Синхронизированный вход сцены
Мультикамерное видеоLiDAR и облака точек
0087 / 0120
Контракт выходных данных
Детекция и локализация
01
Сегментация
02
Геометрия сцены
03
Трекинг и классификация
04
Данные MCAP и ROS
LiDAR и облака точек
Мультикамерное видео
Телеметрия и траектории
Обучающие выходы для Physical AI
Выберите выходные данные для своего цикла обучения.
Выберите поддерживаемый тип разметки, затем настройте его классы, атрибуты, область разметки и маршрут проверки под задачу модели.
Сегментация
Создавайте области классов или объектов в данных камер и облаков точек.
- Маски изображений
- Создавайте пиксельные границы классов или объектов в данных камер.
- Сегментация облаков точек
- Присваивайте точкам в 3D-сценах семантические классы.
Геометрия сцены
Размечайте заданные задачей границы и геометрию последовательностей.
- Полигоны и полилинии
- Размечайте полосы, бордюры, области и другую геометрию, заданную задачей.
- Полилинии последовательностей
- Сохраняйте 3D-геометрию полилиний с привязкой к кадрам в поддерживаемых последовательностях.
Трекинг и классификация
Сохраняйте идентичность и атрибуты объектов в поддерживаемых последовательностях.
- Отслеживаемые объекты
- Сохраняйте идентичность объектов в поддерживаемых кадрах последовательности.
- Классификации
- Добавляйте метки и атрибуты на уровне кадра, объекта или трека.
Определите задачу
Начните с решения, которое должна принять модель.
Цель обучения определяет представление эталонной разметки, а не наоборот. До масштабирования производства задайте выход с учётом сенсоров, сложных случаев и условий поставки.
Сохраняйте видимыми данные камер, LiDAR, преобразования координат и контекст последовательности, если это поддерживает процесс.
Задайте правила классов, геометрию, атрибуты и область кадра или последовательности до запуска производства.
До выпуска проводите результаты через ручную проверку и статусы приёмки; для поддерживаемых задач добавляйте специализированную аналитику консенсуса.
Связная эталонная разметка
Готово к циклу после разметки.
Эталонная разметка приносит ценность, когда проходит проверку и входит в версионируемый процесс подготовки обучающих данных.
Сохраняйте контекст сцены
Сохраняйте связь данных камер, LiDAR, телеметрии и контекста набора данных с задачей разметки.
Допуск по качеству
Используйте ручную проверку, атрибуцию и статусы приёмки; для поддерживаемых задач добавляйте специализированную аналитику консенсуса.
Выпускайте обучающие данные
Переносите утверждённые выходы в версионируемые процессы работы с наборами данных для последующего экспорта и работы с моделями.
Определите объём работ
Покажите нам одну сложную сцену.
Мы сопоставим цель обучения с геометрией эталонной разметки, процессом и условиями поставки.