AutoLabel 3D - Công cụ tự động gán nhãn ảnh & LiDAR (2D/3D box, segmentation) với human-in-the-loop
RAV - 04
Vấn đề: Gán nhãn đang tốn quá nhiều thời gian
2
Dữ liệu gán nhãn là nền tảng cho các ứng dụng nhận diện vật thể — đặc biệt trong xe tự lái/ADAS, robot, giám sát.
Nguồn: Chia sẻ từ VinFast, tại workshop của chương trình AI in Action.
Giải pháp: Cùng một khoảnh khắc — trước và sau khi có AI
3
Video: Cùng một khoảng khắc, cùng một tệp dữ liệu �(datasets đội sử dụng: nuScenes)
Trước:
Sau:
Việc gán nhãn mất bao lâu?
4
Figure 1. OWASP Top 10 for Agentic Applications
150
50
7.500
10
6.3 ngày
15
NGÀY
của một người, cho 30 giây dữ liệu
khung hình
5 khung/giây
vật thể �mỗi khung
vật thể �mỗi khung
khối 3D
phải dựng
khung/người
mỗi ngày
nếu đã có nhãn sẵn
và chỉ kiểm tra, sửa lại (1.200 vật thể/ngày)
5
Tự động sinh nhãn (Auto label) & Tuyển chọn dữ liệu (Active Learning)
- Mapping + 2D to 3D & Active Learning
Box 3D trực tiếp thay đổi lên ảnh 2D
Tính đúng đắn của vật thể được box - Tracking
6
Làm sao để biết được box ở giây 1 và giây thứ 2 là cùng một box? Vật đang nằm nghiêng? Vật đang di chuyển hay dừng?
7
Kiến trúc hệ thống
Re:Label - Rút ngắn về bài toán thời gian
8
Số năm gán nhãn 100.000 giờ dữ liệu:
5.000 người: 144 năm =>>> 5.000 người + AI: 50 năm
Nhóm 096:
XIN CHÂN THÀNH CẢM ƠN