একটি অটোমোটিভ ADAS প্রোগ্রামের জন্য সেন্সর ও ভিডিও অ্যানোটেশন
উন্নত ড্রাইভার সহায়তা ব্যবস্থা তৈরিকারী একটি অটোমোটিভ প্রযুক্তি কোম্পানির যানবাহন, পথচারী ও রাস্তার বৈশিষ্ট্য সঠিকভাবে শনাক্ত করতে উপলব্ধি মডেল প্রশিক্ষণ দিতে রাস্তার দৃশ্যের ভিডিও ও সেন্সর ডেটার উচ্চ-পরিমাণ অ্যানোটেশন প্রয়োজন ছিল।
Client snapshot
| Industry | অটোমোটিভ প্রযুক্তি ও ADAS |
|---|---|
| Region | বহু-দেশ, ক্লায়েন্টের রাস্তার-অবস্থার বৈচিত্র্যের প্রয়োজনীয়তার সাথে মেলানো |
| Engagement type | রাস্তার দৃশ্যের ভিডিও ও সেন্সর অ্যানোটেশন |
The challenge
ক্লায়েন্টের তাদের অভ্যন্তরীণ দলের ক্ষমতার চেয়ে অনেক বেশি অ্যানোটেশনের পরিমাণ প্রয়োজন ছিল, বিস্তৃত পরিসরের রাস্তা, আবহাওয়া ও আলোর অবস্থা জুড়ে, একটি নিরাপত্তা-প্রাসঙ্গিক উপলব্ধি ব্যবস্থা সমর্থন করার জন্য যথেষ্ট উচ্চ নির্ভুলতার প্রয়োজনীয়তাসহ।
The approach
Jwuma ক্লায়েন্টের রাস্তার দৃশ্যের ডেটাসেট জুড়ে যানবাহন, পথচারী, লেন চিহ্ন ও রাস্তার বৈশিষ্ট্য লেবেল করতে প্রশিক্ষিত অ্যানোটেটর নিয়োগ করেছিল, একটি বিস্তারিত অ্যানোটেশন স্পেসিফিকেশন অনুসরণ করে, ব্যবহারের ক্ষেত্রের নিরাপত্তা-প্রাসঙ্গিক প্রকৃতি বিবেচনা করে একটি বহু-স্তরের পর্যালোচনা সিঁড়ি প্রয়োগসহ এবং লেবেলিং বিচ্যুতি ধরতে গোল্ড-টাস্ক ক্যালিব্রেশনসহ।
Results
ক্লায়েন্ট তাদের উপলব্ধি মডেলের নিরাপত্তা বৈধতা প্রক্রিয়ার জন্য প্রয়োজনীয় নির্ভুলতার সীমা বজায় রেখে অভ্যন্তরীণ ক্ষমতার চেয়ে অনেক বেশি অ্যানোটেশন থ্রুপুট স্কেল করেছিল।
Frequently asked questions
কেন ADAS অ্যানোটেশনে সাধারণ ছবি লেবেলিংয়ের চেয়ে উচ্চতর গুণমান মান প্রয়োজন?
কারণ লেবেলিং ত্রুটি সরাসরি একটি নিরাপত্তা-প্রাসঙ্গিক উপলব্ধি ব্যবস্থাকে প্রভাবিত করতে পারে, যার জন্য সাধারণ-উদ্দেশ্য অ্যানোটেশন কাজের চেয়ে কঠোর পর্যালোচনা ও ক্যালিব্রেশন প্রয়োজন।
ADAS প্রশিক্ষণ ডেটায় কোন রাস্তার অবস্থা কভার করা উচিত?
বিভিন্ন আবহাওয়া, আলো, রাস্তার ধরন ও ট্রাফিক ঘনত্বের অবস্থা, কারণ সংকীর্ণ অবস্থায় প্রশিক্ষিত একটি মডেল বাকিতে খারাপভাবে সাধারণীকরণ করে।
এই স্কেলে লেবেলিংয়ের নির্ভুলতা কীভাবে যাচাই করা হয়?
বহু-স্তরের পর্যালোচনা এসকেলেশন এবং সরবরাহকৃত ডেটাসেটে পৌঁছানোর আগে বিচ্যুতি ধরতে অ্যানোটেশন সারিতে রোপণ করা পরিচিত-উত্তর গোল্ড টাস্কের মাধ্যমে।
Related case studies
একটি বৈশ্বিক মোবিলিটি প্ল্যাটফর্মের জন্য মুখ ও পরিচয় যাচাইকরণ ডেটা
একটি বৈশ্বিক মোবিলিটি ও রাইড-হেইলিং প্ল্যাটফর্মের কঠোর সম্মতি ও বায়োমেট্রিক-পরিচালনার প্রয়োজনীয়তার অধীনে একটি চালক ও যাত্রী নিরাপত্তা যাচাইকরণ ব্যবস্থা শক্তিশালী করতে একাধিক অঞ্চল জুড়ে যাচাইকৃত মুখ ও পরিচয় ডেটা প্রয়োজন ছিল।
একটি রোবোটিক্স AI প্রোগ্রামের জন্য ইগোসেন্ট্রিক ভিডিও ডেটা সংগ্রহ
একটি রোবোটিক্স AI কোম্পানির একটি মূর্ত AI মডেলকে একক ল্যাব সেটিংয়ের বাইরে সাধারণীকরণ করতে প্রশিক্ষণ দিতে বিভিন্ন পরিবেশ ও শরীরের ধরন জুড়ে ধারাবাহিকভাবে ধারণকৃত মানুষের দৈনন্দিন শারীরিক কাজ সম্পাদনের প্রথম-পুরুষ ভিডিও প্রয়োজন ছিল।
একটি কথোপকথনমূলক AI মডেলের জন্য RLHF মূল্যায়ন
একটি কথোপকথনমূলক AI কোম্পানির তাদের RLHF সূক্ষ্ম-সমন্বয় প্রক্রিয়ার জন্য চ্যাটবট প্রতিক্রিয়ার গুণমান রেট করতে একটি কাঠামোবদ্ধ, স্কেলযোগ্য মানব মূল্যায়ন পাইপলাইন প্রয়োজন ছিল, তাদের বিদ্যমান অ্যাড হক রেটার পুল অসামঞ্জস্যপূর্ণ স্কোরিং তৈরি করার পরে।
Published 2026-10-02 by Jwuma, operated by Corpshore AI. This case study is an anonymized composite representative of the kind of work Jwuma performs in this industry, described by industry, region and engagement type rather than by company name, since this engagement is not yet cleared for public naming. Discuss a similar program at client.corpshore.ai.