ग्राउंड एंगेजिंग टूल्स (जीईटी) बाउंडिंग बॉक्स एनोटेशन
शैप ने 12 महीने के वियर-मॉनिटरिंग एआई अनुबंध के तहत, बैकहो बकेट इमेजरी पर 15 ग्राउंड एंगेजिंग टूल श्रेणियों (बकेट टीथ, एडेप्टर, श्राउड, लिप श्राउड) में प्रति माह 40,000 बाउंडिंग बॉक्स एनोटेशन प्रदान किए, जिसमें धूल, मलबा, मोशन ब्लर और कम रोशनी जैसी फील्ड-ग्रेड स्थितियों में आंतरिक और बाहरी सतहों को 99%+ सटीकता के साथ अलग किया गया।
परियोजना अवलोकन
जैसे-जैसे पूर्वानुमानित रखरखाव और घिसाव निगरानी भारी उपकरणों की एआई में स्थानांतरित हुई, ग्राहक को एक डोमेन-विशिष्ट एनोटेशन पाइपलाइन की आवश्यकता हुई जो शोरगुल वाले, गंदे, वास्तविक दुनिया के फील्ड इमेजरी में बैकहो बकेट पर ग्राउंड एंगेजिंग टूल्स (जीईटी) का पता लगाने और उन्हें लेबल करने में सक्षम हो।
शैप ने 15 जीईटी क्लास में बाउंडिंग बॉक्स प्लेसमेंट, गोल्डन-रूल एज-केस हैंडलिंग, दो-स्तरीय क्यूए और साप्ताहिक किट्टी 1.0 डिलीवरी को कवर करते हुए एंड-टू-एंड एनोटेशन पाइपलाइन का निर्माण किया - जो 99% सटीकता गेट पर 12 महीने के, 40 इमेज प्रति माह उत्पादन कैडेंस का समर्थन करता है।
मुख्य स्थिति
प्रतिमाह छवियाँ
40,000
कक्षाएँ प्राप्त करें
15
सटीकता सीमा
99% तक
साप्ताहिक डिलीवरी
10,000
चुनौतियां
- टिप्पणी करना प्रति माह 40,000 छवियाँ साथ में 9–10 सीमा बॉक्स प्रति छवि औसतन
- हैंडलिंग 15 अलग-अलग GET क्लास आंतरिक बनाम बाहरी चेहरे के विभेदन के साथ
- के साथ काम करना फील्ड-ग्रेड इमेजरी — धूल, मलबा, गति का धुंधलापन, खराब रोशनी और मुश्किल कोण
- को बनाए रखने के 99%+ एनोटेशन सटीकता उच्च मात्रा में साप्ताहिक डिलीवरी के दबाव के तहत
- निर्यात में KITTI 1.0 प्रारूप प्रत्यक्ष मॉडल प्रशिक्षण एकीकरण के लिए तैयार
उपाय
स्कीमा और क्लास विभेदन प्राप्त करें
शैप ने आंतरिक और बाहरी बाल्टी दृश्यों को कवर करने वाली 15-श्रेणी की जीईटी ऑन्टोलॉजी को कॉन्फ़िगर किया। एनोटेटर्स को प्रत्येक घटक के आंतरिक और बाहरी सतहों के बीच अंतर करने के लिए प्रशिक्षित किया गया था - यह डोमेन-विशिष्ट अंतर डाउनस्ट्रीम घिसाव निगरानी की सटीकता के लिए महत्वपूर्ण है।
फील्ड इमेजिंग के लिए सुनहरे नियम
डेटा की अखंडता बनाए रखने के लिए एनोटेटर्स ने सख्त नियमों का पालन किया। जहां घटक स्पष्ट रूप से दिखाई नहीं दे रहे थे, वहां कोई एनोटेशन नहीं बनाया गया। 50% से अधिक मलबे से ढके GETs को छोड़ दिया गया। धुंधले या अंधेरे घटकों को शामिल नहीं किया गया। लिप क्लास को तभी लेबल किया गया जब ऑब्जेक्ट का 100% हिस्सा दिखाई दे रहा था। ज़ूम का उपयोग केवल नेविगेशन के लिए किया गया, लेबलिंग निर्णयों के लिए नहीं।
एज-केस प्रशिक्षण पुस्तकालय
चौदह विस्तृत केस स्टडीज़ का दस्तावेजीकरण किया गया ताकि एनोटेटर्स को सामान्य एज केस (आंशिक रूप से अवरुद्ध जीईटी, गतिमान बकेट, गहरे रंग की पृष्ठभूमि और आसन्न घटकों के बीच सीमा अस्पष्टता) पर प्रशिक्षित किया जा सके। इस लाइब्रेरी ने एनोटेशन दिशानिर्देशों को भारी उपकरण एआई डोमेन में सबसे व्यापक दिशानिर्देशों में से एक बना दिया।
दो-स्तरीय QA और 99% सटीकता गेट
लेवल 1 एनोटेशन के बाद, सभी छवियों को संरचित समीक्षा के लिए एक समर्पित QC टीम को भेजा गया। एनोटेटर की प्रतिक्रिया के आधार पर छोटी-मोटी त्रुटियों को ठीक किया गया; गंभीर त्रुटियों के लिए पुनः कार्य सौंपा गया। डेटासेट को तभी स्वीकृत किया गया जब एनोटेशन की सटीकता 99% या उससे अधिक हो गई। पूर्ण पारदर्शिता के लिए सभी QC परिणामों को एक ट्रैकिंग शीट में दर्ज किया गया।
KITTI 1.0 फॉर्मेट में साप्ताहिक डिलीवरी
साप्ताहिक डिलीवरी लक्ष्य को सख्ती से 10,000 छवियों पर बनाए रखा गया था, जिन्हें KITTI 1.0 प्रारूप में निर्यात किया गया था और सीधे मॉडल प्रशिक्षण एकीकरण के लिए तैयार थीं। 12 महीने के अनुबंध ने इस गति को बिना किसी चूक के बनाए रखा।
परियोजना गुंजाइश
| डेटासेट प्रकार | मासिक मात्रा | क्लासेज | औसत बॉक्स / छवि | प्रारूप | अनुबंध |
|---|---|---|---|---|---|
| बाउंडिंग बॉक्स एनोटेशन प्राप्त करें | 40,000 छवियों | 15 जीईटी कक्षाएं | 9–10 बक्से | किट्टी 1.0 | 12 महीने |
परिणामों
- की स्थापना की 12 महीने की अवधि, प्रति माह 40 छवियों वाली पाइपलाइन भारी उपकरणों के घिसाव का पता लगाने के लिए एआई
- मानकीकृत 15 जीईटी कक्षाएं आंतरिक/बाह्य चेहरे के विभेदन के साथ
- बनाए रखा 99%+ सटीकता वाला गेट साप्ताहिक डिलीवरी के दबाव में हर बैच में
- निर्मित 14 केस स्टडी एज-केस लाइब्रेरी एनोटेटर प्रशिक्षण और ऑनबोर्डिंग के लिए
- दिया गया KITTI 1.0 प्रारूप आउटपुट प्रत्यक्ष मॉडल प्रशिक्षण एकीकरण के लिए तैयार
कुल मिलाकर, शैप ने फील्ड-ग्रेड जीईटी डिटेक्शन की आवश्यकता को एक संरचित, उत्पादन-तैयार एनोटेशन पाइपलाइन में बदलने में मदद की - एक ऐसी पाइपलाइन जो निरंतरता, पता लगाने की क्षमता और फील्ड-यथार्थवादी सटीकता के साथ घिसाव निगरानी, पूर्वानुमानित रखरखाव और निर्माण उपकरण एआई पहलों का समर्थन करने में सक्षम है।
Shaip ने हमारे पास मौजूद सबसे खराब इमेजरी (धूल, मलबा, मोशन ब्लर, सब कुछ) को भी संभाला और 12 महीने की साप्ताहिक डिलीवरी अवधि में 99%+ सटीकता हासिल की। उनके KITTI 1.0 आउटपुट सीधे मॉडल ट्रेनिंग में इस्तेमाल किए गए।
