Сидоров Данил
RU EN DE
Telegram

Датасет для автопилота

Размеченный датасет дорожных знаков для обучения автопилота, который победил в соревновании

AI / Компьютерное зрение

Живой интерактивный демо-стенд

Точная копия интерфейса и бизнес-логики проекта с демонстрационными данными. Все действия работают в реальном времени.

43 800 размеченных вручную кадров, 89 классов ГОСТ, победа в соревновании

СтекPython, Computer Vision, YOLO, PyTorch, Hugging Face

Безопасный контур (NDA): боевая логика на тестовых данных

Что протестировать в стенде:
  1. Переключите дорожные сцены с автомобильного видеорегистратора
  2. Включите тумблер YOLO-разметки с подсветкой классов и уверенности модели
  3. Изучите нормализованные координаты и класс объекта в инспекторе датасета
https://cv-demo.internal/dataset/inspect
Live Stand
Road Signs Vision YOLOv8 Detection Inspector · 89 GOST Classes
TensorRT FP16 · 14.2 ms / frame Hugging Face Hub · 43.8k frames
CAM_01 · FRONT 120° FOV FRAME_ID: #02941
Детектированные объекты в кадре
2 объекта
YOLO-разметка кадра (labels/*.txt)
Формат: <class_id> <x_center> <y_center> <w> <h>

                

Реализация под ключ

Нужна похожая система под ваши бизнес-процессы?

Разработаю архитектуру, отказоустойчивый бэкенд и быстрый интерфейс. Защита соглашением о неразглашении (NDA), чистый передаваемый код и прозрачные этапы.

  1. Бесплатная оценка сроков и бюджета в течение дня
  2. Договор и безнал
  3. Гарантия и поддержка после запуска

В будни обычно отвечаю за пару часов

Отвечу лично, без навязчивых продаж

Задача

Под обучение детектора дорожных знаков не хватало данных в нужном составе классов, открытые наборы не подходили по разметке и набору знаков

Решение

Собрал и разметил датасет дорожных знаков, отобрал изображения, привёл к единому формату, проставил аннотации по классам. Структуру сделал под стандартный пайплайн обучения, чтобы данные подхватывались без переделки разметки

Решённые задачи

  • Собрал и отобрал изображения дорожных знаков под нужный состав классов
  • Привёл изображения к единому формату
  • Проставил аннотации по классам
  • Организовал структуру под стандартный пайплайн обучения
  • Обучил полуавтоматический разметчик
  • С помощью разметчика увеличил датасет еще в два раза
  • Произвел дообработку и передал заказчику

Результат

Готовый набор, на котором сразу обучается детектор знаков. Состав классов расширяется по мере необходимости. Автопилот, обученный на этом датасете, выиграл соревнования. Ссылки на них ниже.

Технологии

Computer VisionDataset

Источники

Ссылки подтверждают цифры в кейсе

Расскажите о задаче

Telegram