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.
    Разметка техники
    Разметка техники
  • 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 медицинских данных: аксиальные срезы

Data Light успешно выполнила разметку 700 аксиальных срезов за месяц, собрав команду из опытных медиков. Это позволило эффективно обучить модель для определения фарминальных грыж.

Подробнее

Pose Estimation для контроля сдачи экзаменов

Мы помогли создать систему контроля экзаменов, разметив 6000 изображений для алгоритма распознавания поз студентов. Наш подход сократил время проекта и повысил качество данных, что помогло гарантировать высокую точность контроля.

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