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

Кейс: Сбор и разметка документов для распознавания текста

Всего за два месяца мы собрали и разметили 5.000 рукописных документов. Инновационный подход с краудсорсингом, Telegram-ботом и автоматической валидацией обеспечил высокое качество и точность данных.

Подробнее