← Terug naar case studies Synthetische visiegegevens

Simulatie van gegevens over het gezichtsvermogen van de haven en het poort: beeldvergroting, synthetische scènes en kwaliteitscontrole van datasets

Een anonieme Sinovanta-zaak die betrekking heeft op port-scene bron auditing, acht-conditie beeldvergroting, gegenereerde object scenes, metadata, kwaliteitscontroles en beoordelingsdocumenten.

Betrokkenheid
Audit van brongegevens en demonstratie van synthetische afbeeldingen
Omvang
Port- en werfscènes, beeldvergroting, geproduceerde monsters, kwaliteitscontroles en documentatie
Invoergrens
Afbeeldingsarchief en lijst met vier klassen; geen grensvakken of segmenteringsmaskers
Geverifieerde uitkomsten
48 vergrootingsmonsters, 40 gegenereerde klassenbeelden en 3 pose/ achtergrond voorbeelden
01

Projectbrief

Het bronarchief bevatte port- en poortgerelateerde beelden plus een lijst van vier klassen: vorklift, kegel, bollard en persoon. Het bevatte geen detectievakken of segmentatiemaskers. De taak was het opstellen van een gecontroleerde demonstratie set voor weer, verlichting, camera degradatie, voorwerppresentatie en documentbeoordeling vóór elk model-trainingsbesluit.

02

Leveringsdoelstelling

Bouw een traceerbaar pakket dat bron-afgeleide vergroting van gegenereerde visuele voorbeelden scheidt. Elk vervormd beeld had een scenario, bronreferentie, zaad en parametersrecord nodig. Het resultaat was bedoeld voor de planning en herziening van datasets, niet als bewijs van de nauwkeurigheid van het model of als productiegegevens die klaar zijn voor annotatie.

Implementatie workflow

De workflow combineerde bron governance, reproduceerbare beeldverwerking, gegenereerde scenen voorbeelden, kwantitatieve bestandscontroles en visuele review.

  1. 01

    Audit van het bronarchief

    Inventaris beeldbestanden, afmetingen, klassendefinities en beschikbare annotatieformaten. Schrijf op dat het geleverde archief een klasselijst had, maar geen dozen of maskers.

  2. 02

    Eligibiliteit van de controlebron

    Reviezen van bestandsnamen en contactfolios, uitsluiting van niet-gerelateerde externe wegbeelden en regeneratie van het pakket van de aanvaarde haven- en werfbronset.

  3. 03

    Gecreëerd acht stressvoorwaarden

    Creëer zes 1280 x 720 monsters voor elk van heldere dag, nachttuin, regencamera, mist of mist, zonsondergang achtergrondlicht, vervaagde beweging, voorgrond occlusion en bewakingscompressie.

  4. 04

    Creëer klasgerichte scenen voorbeelden

    Maak tien geproduceerde afbeeldingen voor elk van de vier beoordelingscategorieën: kraan, container, kegel en vorklift. Houd deze bestanden gescheiden van bron-afgeleide vergroting.

  5. 05

    Beoordeling van de houding en de achtergrondvariatie

    Creëer drie extra voorbeelden met betrekking tot de stads-wegkrans helling, bouwplaats helling, en fabriek yaw of helling om samenstelling discussie te ondersteunen.

  6. 06

    Pakketbewijs en documentatie

    Schrijf metadata en kwalitatieve samenvattingen, maak twee contactfolios af en maak een klantdocument van 19 pagina's met 16 representatieve grote afbeeldingen.

03

Pakket geleverd

Reproduceerbare generator
Een parameterscript voor de acht beeldniveau stressvoorwaarden, met stabiele zaden en metadata.
48-beeldvergrootingssets
Acht scenario's met zes 1280 x 720 JPG-bestanden per scenario en één rij metadata voor elke output.
40 gegenereerde klas afbeeldingen
Tien visuele voorbeelden voor elk kraan, container, kegel en vorklift, apart opgeslagen van afgeleide afbeeldingen van de bron.
Voorbeelden van poses en achtergronden
Drie gegenereerde voorbeelden worden gebruikt om objectoriëntatie, framing en omgevingsvariatie te beoordelen.
Klantbeoordelingsdocument
Een 19-pagina DOCX- en PDF-presentatie met 16 geselecteerde beelden, pakketomvang en gebruiksbeperkingen.
04

Geverifieerd bewijsmateriaal

De volgende cijfers zijn bestanden, metadata en documentcontroles van het geleverde pakket. Het zijn geen modelprestatie-metricen.

Audit van de bron

Vier klasnamen; geen grensdozen of maskers.

Het beschikbare bewijsmateriaal ondersteunde alleen simulatie en planning op beeldniveau. Het heeft geen ondersteuning verleend voor onder toezicht staande opsporingsopleidingen zonder aanvullende aantekening.

Verhoogde output

48 JPG-bestanden bij 1280 x 720 in 8 scenario's.

Elk scenario bevat zes bestanden. Metadata registreert het bronbeeld, het scenario, het willekeurige zaad en de transformatieparameters.

Kwaliteitscontroles

0 fouten, onbekende rijen, rijen van externe bronnen, kandidaten met weinig informatie of bijna dubbele paren.

De gemeten helderheid varieerde van 39,4 tot 137,5 en de standaardafwijking van het beeld van 15,5 tot 62,6 over de 48-bestandset.

Geproduceerde herzieningsactiva

40 klas afbeeldingen, 3 pose/ achtergrond voorbeelden, en een 19-pagina document met 16 geselecteerde afbeeldingen.

Deze tellen bevestigen de volledigheid van het pakket en de vormgeving van het document. Zij stellen geen aantekeningskwaliteit of modelpassendheid vast.

05

Uitgevoerde validering

  • Alle 48 toegevoegde bestanden werden met succes geopend en meldden de verwachte 1280 x 720 dimensies.
  • De metadata tabel bevatte 48 rijen, met zes uitgangen die aan elk van de acht scenario's werden toegewezen.
  • Beide pagina's van het contactformulier werden na het filteren van de bron gecontroleerd; in het eindpakket bleef geen ongeassocieerde externe wegbeelden.
  • De 40 gegenereerde klassenbestanden en drie pose/ achtergrondbestanden werden geteld en geopend; geen etiket- of modelnauwkeurigheidstest werd uitgevoerd.
06

Gebruiks- en bewijsgrens

Dit geval toont gegevenscontrole, beeldniveauvergroting, gegenereerde visuele voorbeelden, metadata, kwaliteitscontroles en klantdocumentatie. Het beweert niet dat het bronarchief klaar was voor annotatie, dat de gegenereerde afbeeldingen geverifieerde trainingsetiketten zijn of dat een detector een aangegeven precisie, herroeping of mAP heeft bereikt. Voor de ontwikkeling van het model vereist de dataset nog steeds annotatie, train/validatiepartitionering, real-scene representativeness review, klassenbalansanalyse, annotatie kwaliteitsborging, en op metrische basis aanvaardingscriteria.

Het plannen van een visie-dataset voor haven- of industriële scènes?

Deel de bronstructuur, doelklassen, bedrijfsvoorwaarden, annotatiestatus en de beoogde modeltaak. Sinovanta kan een herzienbare gegevens en een valideringsgebied definiëren.

Bespreek de data omvang →