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, в том числе Supervisely. Особое внимание уделялось сложным участкам данных, где требовалась предельная точность. Разметка была выполнена в несколько этапов, в рамках которых были проведены 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 до 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 улучшения системы распознавания лиц и голоса

Мы помогли клиенту повысить точность биометрической системы распознавания лиц и голоса, собрав уникальный датасет из более чем 400 000 единиц данных. Этот подход улучшил производительность системы на 21%.

Подробнее

Семантическая сегментация для разметки стен интерьеров

Мы помогли создать систему для автоматической разметки интерьеров, разметив 12 000 изображений с использованием методов семантической сегментации. Наш подход позволил повысить точность алгоритмов распознавания и ускорить процесс аннотации, что привело к улучшению классификации поверхностей и элементов стен.

Подробнее

Все кейсы