C.LABEL - Die Innovation des Labelns durch Active Learning

Hochqualitatives Labeln mit deutlicher Kostenreduzierung und Zeitersparnis

Die Qualität von Trainings- und Testdaten ist essentiell bei der Entwicklung von Algorithmen und Funktionen in der Automobilindustrie sowie für verschiedene industrielle Anwendungen.

C.LABEL mit Active Learning Loop (ALL) macht den Nutzer selbständig auf Objekte aufmerksam und kann somit den Labeling-Prozess enorm verbessern, verkürzt die Labelzeit und stellt außerdem einen Indikator für die Qualität der Labels bereit.

Durch Active Learning verwirklichen wir Datensatzoptimierung, denn durch die Benutzung des ALL muss nur ein relativ kleiner Teil des Datensatzes bearbeiten werden. 

Active Learning Loop (ALL)

Active Learning unterstützt den Benutzer in der Annotation von Objekten, so dass nur noch minimale Adaptionen vorgenommen werden müssen.

Der Detektor für das automatisierte Labeln wird kontinuierlich durch Benutzerkorrekturen aktualisiert. Dadurch kann die Genauigkeit der Label-Vorhersagen verbessert werden.


Vorteile:

  • Automatische Vorhersage von Labels
  • Optimierung der Detektions-Algorithmen
  • Reduktion und Optimierung des Trainingsdatensatzes
  • Verbesserung der Label-Qualität
  • Automatisierte Berechnung von KPIs für den Labelprozess
  • Flexible Definition von Objektkategorien und -eigenschaften
  • Schnelles, durchdachtes und abgerundetes Schnittstellen
  • Kosten- und Zeitreduktion

 

Marktbereiche:
Fahrerassistenzsysteme, Aktive Sicherheit, Autonomes Fahren, Vernetzte Autos, Infotainment, Mobile Arbeitsmaschinen, Industrielle Automatisierungstechnik