Главная страница Case Studies Pose Estimation для контроля сдачи экзаменов

Pose Estimation для контроля сдачи экзаменов

Мы помогли создать систему контроля экзаменов, разметив 6 000 изображений для алгоритма распознавания поз студентов. Наш подход сократил время проекта и повысил качество данных, что помогло гарантировать высокую точность контроля.

Объем данных:

6 000 снимков
Индустрия:

Образование
Длительность проекта:

3 месяца

Задача:
К нам обратился клиент из сферы образования, который искал решение для точной разметки поз людей на фотографиях. Основной целью проекта было использование данных для разработки и улучшения алгоритмов машинного обучения, способных определять позы студентов во время экзаменов.

Основные цели проекта:
1. Обработка фотографий. Нам необходимо было разметить 6 000 изображений.
2. Обучение алгоритма. Команде предстояло обучить модель распознавать человеческие позы в различных условиях для контроля за экзаменами.
Решение:

Итерационная разметка

Проект был разделен на три этапа, по 2 000 изображений каждый. В первой итерации наша команда вручную разметила изображения для создания начального набора данных. Далее клиент использовал этот набор для предразметки следующих итераций, что ускорило работу.

Учет сложностей разметки

Множество людей на одном снимке требовали детальной разметки, включая такие параметры, как степень перекрытия объектов и положение тела.

Специализированное обучение команды

Для обеспечения точности команда изучала анатомические изображения и видео, предоставленные клиентом, что помогало точнее определять ключевые точки на теле человека в разных позах.
Результаты:
1. Своевременная разметка
  
  2 000 снимков были вовремя размечены за каждую итерацию.
2. Качественный результат
  
  Благодаря точной разметке клиент улучшил свои алгоритмы для контроля за экзаменами.

Другие кейсы

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