Gán nhãn cảm biến và video cho một chương trình ADAS ô tô
Một công ty công nghệ ô tô phát triển hệ thống hỗ trợ lái xe nâng cao cần gán nhãn khối lượng lớn video cảnh đường và dữ liệu cảm biến để huấn luyện các mô hình nhận thức nhận dạng đúng phương tiện, người đi bộ và các đặc điểm đường.
Client snapshot
| Industry | Công nghệ ô tô và ADAS |
|---|---|
| Region | Nhiều quốc gia, phù hợp với yêu cầu đa dạng điều kiện đường của khách hàng |
| Engagement type | Gán nhãn video cảnh đường và cảm biến |
The challenge
Khách hàng cần khối lượng gán nhãn vượt xa năng lực của đội nội bộ, trên nhiều loại điều kiện đường, thời tiết và ánh sáng, với yêu cầu độ chính xác đủ cao để hỗ trợ một hệ thống nhận thức liên quan đến an toàn.
The approach
Jwuma phân công những người gán nhãn được đào tạo để gán nhãn phương tiện, người đi bộ, vạch kẻ đường và các đặc điểm đường trên bộ dữ liệu cảnh đường của khách hàng, theo một đặc tả gán nhãn chi tiết, với thang kiểm duyệt nhiều cấp do tính chất liên quan đến an toàn của trường hợp sử dụng và hiệu chuẩn bằng nhiệm vụ vàng để phát hiện sự lệch trong gán nhãn.
Results
Khách hàng đã mở rộng thông lượng gán nhãn vượt xa năng lực nội bộ trong khi vẫn giữ ngưỡng chính xác cần thiết cho quy trình xác nhận an toàn của mô hình nhận thức.
Frequently asked questions
Vì sao gán nhãn ADAS đòi hỏi mức chất lượng cao hơn gán nhãn hình ảnh thông thường?
Vì lỗi gán nhãn có thể ảnh hưởng trực tiếp đến một hệ thống nhận thức liên quan đến an toàn, điều này đòi hỏi kiểm duyệt và hiệu chuẩn nghiêm ngặt hơn công việc gán nhãn đa dụng.
Dữ liệu huấn luyện ADAS nên bao phủ những điều kiện đường nào?
Một dải đa dạng các điều kiện thời tiết, ánh sáng, loại đường và mật độ giao thông, vì một mô hình huấn luyện trên điều kiện hẹp sẽ khái quát hóa kém sang phần còn lại.
Độ chính xác gán nhãn được xác minh ở quy mô này như thế nào?
Thông qua chuyển cấp kiểm duyệt nhiều cấp và các nhiệm vụ vàng có đáp án đã biết được cài vào hàng đợi gán nhãn để phát hiện sự lệch trước khi nó đến bộ dữ liệu được giao.
Related case studies
Dữ liệu xác minh khuôn mặt và danh tính cho một nền tảng di chuyển toàn cầu
Một nền tảng di chuyển và gọi xe toàn cầu cần dữ liệu khuôn mặt và danh tính đã được xác minh tại nhiều khu vực để tăng cường hệ thống xác minh an toàn cho tài xế và hành khách, theo các yêu cầu nghiêm ngặt về sự đồng ý và xử lý dữ liệu sinh trắc học.
Thu thập dữ liệu video góc nhìn thứ nhất cho một chương trình AI robot
Một công ty AI robot cần video góc nhìn thứ nhất quay con người thực hiện các nhiệm vụ vật lý hằng ngày, được ghi nhận nhất quán trên nhiều môi trường và dáng người đa dạng, để huấn luyện mô hình AI có thân thể khái quát hóa vượt ra ngoài một môi trường phòng thí nghiệm đơn lẻ.
Đánh giá RLHF cho một mô hình AI hội thoại
Một công ty AI hội thoại cần một quy trình đánh giá của con người có cấu trúc, có thể mở rộng để chấm chất lượng câu trả lời của chatbot cho quá trình tinh chỉnh RLHF, sau khi nhóm người chấm tùy hứng hiện có tạo ra điểm số thiếu nhất quán.
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.