Die F\u00e4higkeiten teilautonomer oder autonomer Fahrzeuge werden durch Annotationen erm\u00f6glicht. Annotation bezieht sich auf den Prozess der Identifizierung des interessierenden Bereichs oder Objekts in einem Video oder Bild mit Begrenzungsrahmen sowie die Angabe anderer Attribute, die den ML-Modellen dabei helfen, die von den Sensoren des Fahrzeugs erkannten Objekte zu erkennen und zu verstehen.<\/p>\n
Autonome und halbautonome Autos verf\u00fcgen \u00fcber Technologien, die eine wichtige Rolle bei der Verbesserung des Fahrerlebnisses spielen. Dies ist auf das Vorhandensein zahlreicher Kameras, Sensoren und anderer Ger\u00e4te zur\u00fcckzuf\u00fchren. Jede dieser Komponenten generiert viele Informationen. Ein Beispiel k\u00f6nnte das ADAS-Ger\u00e4t sein, das auf Computer Vision basiert. Es nutzt einen Computer, um ein tiefes Verst\u00e4ndnis der Bilder zu erlangen und durch die Analyse verschiedener Szenarien den Fahrer zu warnen, damit er seine Entscheidung effektiver treffen kann.<\/p>\n
<\/p>\n
Durch Annotationen werden die Funktionen teilautonomer und autonomer Fahrzeuge erweitert. Annotation bezieht sich auf die Kennzeichnung des interessierenden Bereichs oder Objekts, das im Video oder Bild von Interesse ist, mithilfe von Begrenzungsrahmen sowie die Definition anderer Merkmale, um den ML-Modellen dabei zu helfen, die von Sensoren im Fahrzeug erkannten Objekte zu erkennen und zu verstehen. F\u00fcr Analysen wie Gesichtserkennung, Bewegungserkennung und mehr sind qualitativ hochwertige Daten mit korrekter Kommentierung erforderlich.<\/p>\n
Ohne eine ordnungsgem\u00e4\u00dfe Annotation der Informationen k\u00f6nnte autonomes Fahren so effektiv sein, dass es fast unm\u00f6glich ist, es zu erreichen. Die Genauigkeit der Daten stellt sicher, dass das fahrerlose Erlebnis reibungslos verl\u00e4uft.<\/p>\n
Moderne Fahrzeuge erzeugen aufgrund der Vielzahl von Kameras und Sensoren gro\u00dfe Datenmengen. Wenn diese Datens\u00e4tze f\u00fcr die Verarbeitung nicht entsprechend gekennzeichnet sind, k\u00f6nnen sie nicht ihr volles Potenzial nutzen. Die Datens\u00e4tze sollten als Teil einer Bewertungssuite verwendet werden, um Trainingsmodelle f\u00fcr autonome Fahrzeuge zu erstellen. Verschiedene Automatisierungstools k\u00f6nnen bei der Kennzeichnung der Daten hilfreich sein, da die manuelle Kennzeichnung viel Zeit in Anspruch nehmen w\u00fcrde.<\/p>\n
Damit ein autonomes Fahrzeug von A nach B reisen kann, muss es die Umgebung perfekt erfassen k\u00f6nnen. Ein ideales Szenario f\u00fcr Fahrfunktionen, die Sie in ein Fahrzeug integrieren m\u00f6chten, k\u00f6nnte zwei identische Sensors\u00e4tze erfordern. Ein Satz dient als Sensorsatz im Testprozess, w\u00e4hrend der zweite Sensorsatz als Indikator verwendet wird.<\/p>\n
Nehmen wir an, dass ein Auto unter unterschiedlichen Fahrbedingungen 3.000 Meilen mit einer durchschnittlichen Geschwindigkeit von 45 Kilometern pro Stunde zur\u00fccklegt. Mit diesen Zahlen k\u00f6nnen wir ermitteln, dass das Auto 6700 Stunden brauchte, um diese Strecke zur\u00fcckzulegen. Es k\u00f6nnte auch mehrere Kameras haben und LIDAR<\/a> (Light Detection and Ranging)-Systeme und wenn wir davon ausgehen, dass sie w\u00e4hrend der Dauer von 6700 Stunden mit einer Mindestrate von 10 Bildern pro Minute aufzeichnen, k\u00f6nnten 240 Millionen Frames an Daten generiert werden. Geht man davon aus, dass jeder Frame durchschnittlich f\u00fcnfzehn Objekte enthalten k\u00f6nnte, darunter andere Fahrzeuge und Fu\u00dfg\u00e4nger, Ampeln und andere Objekte, dann h\u00e4tten wir mehr als 3,5 Milliarden Objekte. Jedes Objekt muss markiert sein.<\/p>\n Nur das Notieren reicht nicht aus. Es muss auch pr\u00e4zise sein. Ohne diese Angaben ist es unm\u00f6glich, sinnvolle Vergleiche zwischen den verschiedenen Sensors\u00e4tzen f\u00fcr das Automobil anzustellen. Was w\u00e4re, wenn wir jedes Objekt manuell markieren m\u00fcssten?<\/p>\n Versuchen wir zu verstehen, wie manuelle Anmerkungen funktionieren. Der erste Schritt besteht darin, die LIDAR-Scans zu durchsuchen und dann das entsprechende Kameramaterial abzurufen. Falls Sie \u00fcber einen LIDAR mit 360-Grad-Ansicht verf\u00fcgen, handelt es sich um ein Multikamera-Setup, das das Filmmaterial in der sogenannten LIDAR-Perspektive anzeigt. Nachdem die LIDAR-Scans und das Filmmaterial der Kamera gesammelt wurden, besteht der n\u00e4chste Schritt darin, die LIDAR-Perspektive an der Kamera auszurichten. Wenn Sie wissen, welche Objekte sich in der Umgebung befinden, besteht der zweite Schritt darin, eine Objekterkennung durchzuf\u00fchren und 3D-Grenzen um sie herum zu platzieren.<\/p>\n Das einfache Platzieren von Begrenzungsrahmen sowie allgemeinen Anmerkungen wie Fu\u00dfg\u00e4nger, Autos oder Stoppschilder usw. konnte nicht ausreichen. Es gibt Attribute<\/a> um m\u00f6glichst genau zu beschreiben, was Sie sehen. Dar\u00fcber hinaus ist es wichtig, die Bedeutung von Haltestellen, sich bewegenden Objekten, stehenden Objekten und Einsatzfahrzeugen, die Beleuchtungsklassifizierung sowie die Art der Warnleuchten in den Einsatzfahrzeugen usw. zu kennen. Dies sollte eine umfassende Liste der Objekte und ihrer Attribute sein wobei jedes Attribut der Reihe nach ber\u00fccksichtigt werden muss. Das bedeutet, dass wir eine gro\u00dfe Menge an Informationen besprechen.<\/p>\n Sobald Sie dies abgeschlossen haben, m\u00fcssen Sie sicherstellen, dass Sie \u00fcber die richtigen Anmerkungen verf\u00fcgen. Es ist eine weitere Person erforderlich, die die Richtigkeit der von Ihnen annotierten Daten \u00fcberpr\u00fcft. Dadurch wird sichergestellt, dass es keinen Spielraum f\u00fcr Fehler gibt. Wenn der Annotationsprozess manuell durchgef\u00fchrt wird und die durchschnittliche Zeit pro Objekt 60 Sekunden betr\u00e4gt, w\u00fcrden wir 60 Millionen Stunden oder nur 6-849 Kalenderjahre ben\u00f6tigen, um alle 3,6 Milliarden Objekte zu markieren, die wir zuvor besprochen haben. Daher ist es unm\u00f6glich, Objekte manuell mit Anmerkungen zu versehen.<\/p>\n Im vorherigen Beispiel k\u00f6nnen wir daraus schlie\u00dfen, dass es unwahrscheinlich ist, manuell Anmerkungen zu den Daten hinzuzuf\u00fcgen. Zahlreiche Open-Source-Tools k\u00f6nnen bei dieser Aufgabe helfen. Es ist m\u00f6glich, Objekte unabh\u00e4ngig von Perspektiven, niedriger Aufl\u00f6sung oder schwacher Beleuchtung automatisch zu erkennen. Dies ist dank der Deep-Learning-Modelle m\u00f6glich. Wenn es um die Automatisierung geht, besteht der erste Schritt darin, die Annotationsaufgabe zu entwerfen. Beginnen Sie mit der Benennung der Aufgabe und geben Sie die damit verbundenen Bezeichnungen und Merkmale an. Nachdem Sie dies abgeschlossen haben, k\u00f6nnen Sie die Datenbank mit den Daten erstellen, die mit Anmerkungen versehen werden m\u00fcssen.<\/p>\n Dar\u00fcber hinaus gibt es zahlreiche weitere Funktionen, die dem Job hinzugef\u00fcgt werden k\u00f6nnen. Anmerkungen k\u00f6nnen mit Boxen, Polygonen und Polylinien erfolgen. Zu den verschiedenen Annotationsarten geh\u00f6ren der Interpolationsmodus sowie die Segmentierung im Attributannotationsmodus und andere.<\/p>\n Durch die Automatisierung wird der Zeitaufwand f\u00fcr das Notieren von Daten reduziert. Die Automatisierung wird den Aufwand und die geistige Erm\u00fcdung um 65 Prozent reduzieren.<\/p>\n Um dies zu erreichen, werden die zuvor in diesem Blog besprochenen Automatisierungstools dabei helfen, Annotationen in gro\u00dfem Umfang zu erstellen. Dar\u00fcber hinaus ist ein Expertenteam unerl\u00e4sslich, um die Datenannotation in gro\u00dfem Umfang erm\u00f6glichen zu k\u00f6nnen. eInfochips ist ein technischer Partner f\u00fcr viele Unternehmen auf der Welt und verf\u00fcgt \u00fcber Fachwissen \u00fcber den gesamten Produktlebenszyklus, angefangen vom Produktdesign bis zur Qualit\u00e4tsentwicklungsphase, sowie \u00fcber die gesamte Wertsch\u00f6pfungskette, angefangen vom Ger\u00e4t bis hin zur Digitaltechnik. Labelify ist au\u00dferdem Experte f\u00fcr KI und maschinelles Lernen. Das Unternehmen hat mit einer Vielzahl von Automobilunternehmen zusammengearbeitet, um erstklassige L\u00f6sungen bereitzustellen. F\u00fcr weitere Informationen \u00fcber unsere Datenannotation, Automotive-L\u00f6sungen und KI\/ML-Expertise kontaktieren Sie unsere Experten.<\/p>","protected":false},"excerpt":{"rendered":" An Introduction To Data Annotation In Autonomous Cars The capabilities of semi-autonomous or autonomous vehicles are made possible through annotations. Annotation refers to the process of identifying the area of interest or object of interest in a video or image with boundary boxes, as well as specifying other attributes that aid the ML models recognize […]<\/p>","protected":false},"author":3,"featured_media":14331,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-3019","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-annotation"],"blocksy_meta":[],"featured_image_urls":{"full":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars.jpg",2240,1260,false],"thumbnail":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-150x150.jpg",150,150,true],"medium":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-300x169.jpg",300,169,true],"medium_large":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-768x432.jpg",768,432,true],"large":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-1024x576.jpg",1024,576,true],"1536x1536":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-1536x864.jpg",1536,864,true],"2048x2048":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-2048x1152.jpg",2048,1152,true],"trp-custom-language-flag":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-18x10.jpg",18,10,true],"ultp_layout_landscape_large":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-1200x800.jpg",1200,800,true],"ultp_layout_landscape":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-870x570.jpg",870,570,true],"ultp_layout_portrait":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-600x900.jpg",600,900,true],"ultp_layout_square":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-600x600.jpg",600,600,true],"yarpp-thumbnail":["https:\/\/www.datalabelify.com\/wp-content\/uploads\/2021\/11\/Data-Annotation-In-Autonomous-Cars-120x120.jpg",120,120,true]},"post_excerpt_stackable":" An Introduction To Data Annotation In Autonomous Cars The capabilities of semi-autonomous or autonomous vehicles are made possible through annotations. Annotation refers to the process of identifying the area of interest or object of interest in a video or image with boundary boxes, as well as specifying other attributes that aid the ML models recognize and understand the objects detected by sensors of the vehicle. Autonomous and semi-autonomous cars have technologies that play an important part in improving the experience of driving. This is by the presence of numerous cameras sensors, sensors, as well as other devices. Each of these…<\/p>\n","category_list":"Data Annotation<\/a>","author_info":{"name":"Parth P","url":"https:\/\/www.datalabelify.com\/de\/author\/soeuidhae\/"},"comments_num":"0 comments","_links":{"self":[{"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/posts\/3019","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/comments?post=3019"}],"version-history":[{"count":2,"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/posts\/3019\/revisions"}],"predecessor-version":[{"id":3088,"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/posts\/3019\/revisions\/3088"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/media\/14331"}],"wp:attachment":[{"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/media?parent=3019"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/categories?post=3019"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.datalabelify.com\/de\/wp-json\/wp\/v2\/tags?post=3019"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Wie kann Automatisierung helfen?<\/h3>\n
Abschluss<\/h3>\n