Разметка LiDAR для улучшения пространственной ориентации

Главная страница Case Studies Разметка LiDAR для улучшения пространственной ориентации

Разметка LiDAR для улучшения пространственной ориентации

Мы выполнили разметку облаков LiDAR для улучшения пространственной ориентации нейронной сети с 99% точностью. Это помогло клиенту увеличить производительность модели в три раза.

Индустрия:

Робототехника
Данные:

3 000 облаков LiDAR
Продолжительность проекта:

19 дней

Задача:

Наш клиент, занимающийся разработкой робототехники, нуждался в высокоточном размеченном наборе данных облаков LiDAR, снятых на улицах города. Эти данные должны были помочь в улучшении пространственной ориентации нейронной сети, которая использовалась для определения расстояния до объектов и их точной классификации.
Решение:

Для выполнения задачи мы использовали различные инструменты разметки, такие как Supervisely. Особое внимание уделялось сложным участкам данных, где требовалась предельная точность. Разметка была выполнена в несколько этапов, включая обсуждения внутри команды для коллективного принятия решений и повышения точности выбора объектов.

Мы разработали оптимизированный процесс, который позволил значительно сократить время на разметку без потери качества. Каждое облако LiDAR проходило через несколько этапов проверки, включая автоматические алгоритмы и ручную верификацию, что позволило достичь точности разметки до 99%.
Результаты:
1. Точность разметки:
  
  Достигнута точность набора данных 99%, что значительно повысило эффективность обучения модели.
2. Увеличение производительности:
  
  Использование более компактного и точного набора данных привело к трехкратному увеличению производительности модели.
«Команда проделала потрясающую работу за короткий срок. Мы получили данные высочайшего качества, что значительно улучшило производительность нашей нейронной сети».
Владислав, Data Scientist.

Другие кейсы

Сбор данных для распознавания лиц в городе

Мы помогли клиенту обучить нейронную сеть для распознавания лиц в условиях сложной урбанистической среды, что позволило достичь точности до 96%. Благодаря эффективной организации процессов и контроля качества проект был выполнен раньше срока.

Подробнее