Разметка техники на строительной площадке

Мы выполнили проект по разметке строительной техники, аннотировав около 5 000 изображений с использованием методов детектирования объектов. Наш подход обеспечил высокую точность и скорость выполнения задачи, соответствуя требованиям клиента.

ellipse
  • Объем данных:
    5 000 изображений
  • Индустрия:
    Строительство и инфраструктура
  • Длительность проекта:
    5 дней
  • Задача:

    К нам обратился клиент из строительной отрасли, чтобы создать набор данных для автоматического детектирования строительной техники на строительных площадках. Основная цель проекта заключалась в разметке всех единиц техники на фотографиях, чтобы обеспечить возможность автоматического мониторинга и отслеживания движения техники.

    Основные цели проекта:
    1. Обработка изображений: Аннотировать строительную технику, используя метод детектирования объектов.
    2. Создание набора данных: Сформировать набор данных с маркировкой классов техники: самосвалы, бетонные мешалки и подъемные краны.
  • Решение:

    Постановка задачи и разработка ТЗ:

    Клиент предоставил список классов техники, которые необходимо было размечать, а также подробное техническое задание с четкими указаниями для каждого класса. Мы тщательно проанализировали ТЗ, сделали необходимые уточнения и приступили к работе.

    Быстрая аннотация:

    Благодаря эффективной подготовке разметку мы выполнили всего за 5 дней. Это стало возможным благодаря четкому ТЗ и предварительно согласованным классам объектов. Мы завершили основной объем разметки за 4 дня, после чего клиент предоставил новые изображения, которые также были быстро обработаны командой.В результате мы разметили 20 000 боксов для всех типов строительной техники, включающих различные места и условия работы. Каждый класс техники был тщательно аннотирован в соответствии с ТЗ.

    Валидация:

    Для обеспечения максимальной точности все данные прошли через еще один обязательный этап: валидацию. Наш подход включает выбор определенного количества репрезентативных изображений для проверки.Во время валидации мы активно задавали уточняющие вопросы командам, передавая руководителям групп информацию об обнаруженных аномалиях, а также статистику по самым продуктивным и наиболее слабым исполнителям.

    Эффективное обучение:

    Особое внимание мы уделяем качеству работы валидаторов — за их повышения квалификации отвечает отдел обучения.

  • Результаты:

    1. Своевременная разметка:

      Все изображения были аннотированы в течение 5 дней, включая корректировки от клиента.

    2. Эффективное выполнение задачи:

      Мы выполнили проект с точностью и скоростью, что позволило клиенту использовать данные для мониторинга техники на площадках.

    3. Обратная связь:

      Клиент остался доволен качеством работы и своевременным выполнением проекта, отметив, что все требования были полностью соблюдены.

Другие кейсы

Разметка руды для тяжелой промышленности

С помощью команды Data Light клиент смог эффективно обучить модель для определения грансостава руды в реальном времени, что значительно ускорило работу на конвейере.

Подробнее

Сбор Replay-атак для кибербезопасности

В течение 26 месяцев мы ежемесячно собирали 40,000 уникальных Replay-атак для обучения Face ID-модели клиента. Через краудсорсинг и автоматизированную валидацию данных нам удалось значительно повысить точность системы в распознавании фальсификаций.

Подробнее
Все кейсы

Оставьте
заявку

Мы обязательно
свяжемся с вами!
Дмитрий, менеджер по работе с клиентами Дмитрий,
менеджер по работе с клиентами
Дмитрий, менеджер по работе с клиентами

    Нажимая кнопку «Оставить заявку», я даю согласие на отправку и обработку своих персональных данных

    Ваша заявка успешно отправлена!

    Мы скоро свяжемся с вами для обсуждения деталей проекта