ข้อมูลภาพสังเคราะห์สำหรับการดำเนินงานทางรถไฟและท่าเรือภายใต้สภาวะที่ยากลำบาก

บริบทของโครงการและขีดจำกัดการเผยแพร่

โครงการนี้เกี่ยวข้องกับการจำลองข้อมูลภาพสำหรับพื้นที่ขนส่งสินค้าทางรางและการดำเนินงานท่าเรือ ในกรณีศึกษาสาธารณะนี้ ลูกค้า สถานที่ และตัวระบุสินทรัพย์จะถูกลบออก มีการอธิบายเฉพาะปริมาณ ขั้นตอน การทดสอบ และขีดจำกัดที่สามารถตรวจสอบตามไฟล์การจัดส่งได้ ข้อมูลนำเข้าประกอบด้วยรูปภาพเครนขาสูงและพื้นที่ทำงานตลอดจนไฟล์ชั้นเรียนด้วย forklift, cone, bollard และ person. ไม่มีคำอธิบายประกอบแบบกล่องล้อมรอบหรือการแบ่งส่วนสำหรับการเรียนรู้แบบมีผู้สอน

แพ็คเกจนี้เป็นการจัดส่งระดับภาพ ไม่ใช่การฝึกเครื่องตรวจจับวัตถุหรือการยอมรับภาคสนามที่สมบูรณ์ ไม่ได้ส่งมอบกล่อง หน้ากาก และประเด็นสำคัญ ชุดทดสอบความจริงภาคพื้นดินแบบแช่แข็งเพื่อสาธิตประสิทธิภาพที่เพิ่มขึ้นก็ไม่มีวางจำหน่ายเช่นกัน

เป้าหมายทางเทคนิค

จุดมุ่งหมายคือเพื่อสร้างรูปแบบที่สามารถทำซ้ำได้สำหรับกลางคืน ฝน หมอก ย้อนแสง ภาพเบลอจากการเคลื่อนไหว การบดบัง และการบีบอัดการเฝ้าระวัง สิ่งเหล่านี้เป็นพื้นฐานที่มีโครงสร้างสำหรับคำอธิบายประกอบ การฝึกอบรม และการยอมรับในภายหลัง นอกจากนี้ ยังมีการตรวจสอบการจัดระเบียบไฟล์ การแมปข้อมูลเมตา และ QA ที่สามารถทำซ้ำได้ เพื่อให้สามารถประสานงานสถานการณ์และเกณฑ์การยอมรับก่อนที่จะบันทึกเพิ่มเติมที่ไซต์งาน

สองเส้นทางข้อมูลที่แยกจากกัน

เส้นทางตามกฎทำให้เกิดความเสื่อมโทรมของสภาพแวดล้อมหรือภาพแปดประการจากฉากการปฏิบัติงานที่ทดสอบ สคริปต์ ชื่อเอาต์พุต สถานการณ์ และข้อมูลเมตายังคงติดตามได้ เส้นทาง AI จะสร้างฉากที่มีรถยก รอก ตู้คอนเทนเนอร์ และกรวยจราจรเพื่อวางแผนความครอบคลุมภาคเรียนและชั้นเรียน รูปภาพเหล่านี้ถูกทำเครื่องหมายว่าเป็นภาพสังเคราะห์และไม่ได้นำเสนอเป็นเอกสารของระบบจริง

ชุดข้อมูลการจำลองตามกฎ

ชุดข้อมูลประกอบด้วยไฟล์ JPG 48 ไฟล์ 1280×720 พิกเซล แบ่งออกเป็นแปดสถานการณ์ โดยแต่ละสถานการณ์มีหกภาพ นอกเหนือจากการอ้างอิงในเวลากลางวันแล้ว ยังครอบคลุมถึงแสงน้อย แหล่งที่มาในท้องถิ่น ริ้วฝน หมอกควัน การสูญเสียคอนทราสต์กับระยะทาง การเปลี่ยนสีของพระอาทิตย์ตก ไฮไลท์ การเสื่อมสภาพของการเคลื่อนไหว การบดบังเบื้องหน้า และบิตเรตต่ำ

ตัวแปรต่างๆ รองรับการทดสอบไปป์ไลน์ คำอธิบายประกอบ และความไวต่อการเปลี่ยนแปลงรูปภาพ พวกเขาไม่ได้แทนที่การบันทึกที่ตำแหน่งเป้าหมาย และไม่ได้เพียงแต่สาธิตประสิทธิภาพในการทำงานฝน หมอก หรือกลางคืนจริงๆ

ชุดข้อมูลคลาสสังเคราะห์ AI

ชุดข้อมูล AI ประกอบด้วยรูปภาพ RGB 40 ภาพ 1672×941 พิกเซล สิบพิกเซลต่อชั้นเรียน โดยรวมถึงรถยกในท่าเรือ คลังสินค้า และสถานที่ก่อสร้าง เครนขาสูงหรือโครงสร้างที่เกี่ยวข้อง กองตู้คอนเทนเนอร์และโซนขนย้าย รวมถึงองค์ประกอบกั้น ไฟล์ทั้ง 40 ไฟล์มีค่า SHA-256 ที่แตกต่างกัน โดยจะยกเว้นเฉพาะไฟล์ที่เหมือนกันเท่านั้น และไม่ได้แสดงให้เห็นถึงความหลากหลายทางความหมาย ความเป็นกลางของคลาส หรือการปฏิบัติตามเรขาคณิตเฉพาะของไซต์และกฎความปลอดภัย

ท่าทางและองค์ประกอบพื้นหน้า

ตัวอย่างเพิ่มเติมสามตัวอย่างแสดงให้เห็นความเอียงและการหันเหของวัตถุเบื้องหน้าริมถนน สถานที่ก่อสร้าง และโรงงาน พวกเขาตรวจสอบว่าคำสั่งการสังเคราะห์และกฎการจัดองค์ประกอบแสดงท่าทางที่ร้องขอหรือไม่ สิ่งเหล่านี้ไม่ใช่การวัดมุมที่แม่นยำและไม่ใช่ข้อพิสูจน์ประสิทธิภาพการตรวจจับในระบบจริง

ข้อมูลเมตาและการทำซ้ำ

เส้นทางตามกฎจะจัดเก็บคำใบ้แหล่งที่มา ไฟล์เอาต์พุต สถานการณ์ คำใบ้คลาส และรายการการประมวลผล ข้อมูลเมตา 48 บรรทัดสอดคล้องกับรูปภาพ 48 รูปพอดี สคริปต์ Python เป็นส่วนหนึ่งของการนำส่งและสามารถทำซ้ำอินพุต การขึ้นต่อกัน และพารามิเตอร์ที่เหมือนกันได้ ไปป์ไลน์การผลิตควรบันทึกสิทธิ์ของแหล่งที่มา นำเข้าแบทช์ คอมมิต เวอร์ชันอ้างอิง เมล็ดสุ่ม พารามิเตอร์การแปลง เวอร์ชันคำอธิบายประกอบ ผู้ตรวจสอบ และแฮชที่แช่แข็งเพิ่มเติม

การทดสอบคุณภาพที่วัดได้

รูปภาพตามกฎทั้ง 48 ภาพสามารถอ่านได้และสอดคล้องกับข้อมูลเมตา 48 บรรทัด แต่ละสถานการณ์ประกอบด้วยภาพหกภาพ แถวที่ไม่รู้จัก แหล่งที่มาของถนนทั่วไปที่เหลืออยู่ ผู้สมัครที่มีข้อมูลน้อย และคู่ที่เกือบจะซ้ำกันเป็น 0 ตามลำดับ ภายใต้กฎที่บังคับใช้ ความสว่างขั้นต่ำ ค่ามัธยฐาน และค่าสูงสุดคือ 39.4, 94.55 และ 137.5 ส่วนเบี่ยงเบนมาตรฐานระดับสีเทา 15.5, 37.3 และ 62.6 ค่าเหล่านี้อธิบายถึงความครอบคลุมของค่าแสงและคอนทราสต์ ไม่ใช่เกรดคุณภาพ

ขอบเขตของการจัดส่ง

สิ่งที่ส่งมาคือรูปภาพตามกฎและสังเคราะห์ด้วย AI ข้อมูลเมตา ภาพรวมผู้ติดต่อ สรุป QA สคริปต์ Python ที่ทำซ้ำได้ และเอกสารลูกค้า 19 หน้าพร้อมรูปภาพขนาดใหญ่ 16 ภาพ เอกสารรองรับการตรวจสอบด้วยภาพ แต่ไม่ได้แทนที่โฟลเดอร์ทั้งหมดหรือข้อมูลเมตาที่เครื่องอ่านได้

ขั้นตอนการทำงานที่เหมาะสม

วิธีการนี้สนับสนุนการชี้แจงข้อกำหนด การแสดงรายการเงื่อนไขที่ยากลำบาก การทดสอบข้อกำหนดคำอธิบายประกอบ การถดถอยของไปป์ไลน์ข้อมูล การอภิปรายความครอบคลุมของชั้นเรียน และการวางแผนการทดสอบความทนทาน สำหรับท่าเรือ พื้นที่ทางรถไฟ โกดัง สถานที่ก่อสร้าง และการเฝ้าระวังประจำที่ ชุดสังเคราะห์ขนาดเล็กสามารถหยุดสภาวะก่อนที่จะทำการสุ่มตัวอย่างใหม่ ใส่คำอธิบายประกอบ และทำซ้ำแบบจำลอง

ขีดจำกัด ความเสี่ยง และการยอมรับ

• หากไม่มีกล่อง มาสก์ และคีย์พอยต์ แพคเกจนี้ก็จะไม่ใช่ชุดข้อมูลการฝึกอบรมที่สมบูรณ์สำหรับการตรวจจับ
• รูปภาพ AI อาจมีข้อผิดพลาดด้านโครงสร้าง ขนาด มุมมอง หรือความปลอดภัย และต้องมีการตรวจสอบโดยเจ้าหน้าที่
• การย่อยสลายตามกฎเป็นการประมาณด้วยภาพ ไม่ใช่แบบจำลองสภาพอากาศ มลภาวะ หรือตัวเข้ารหัส
• หลักฐานรวมถึงไฟล์และการแจกจ่าย ไม่ใช่ข้อมูลจริง ความแม่นยำในการตรวจจับ ความเสถียรหรือการผลิตในระยะยาว
• สิทธิ์ การปกป้องข้อมูล และการรักษาความลับของทรัพย์สินจะต้องได้รับการควบคุมในสัญญาและการกำกับดูแลข้อมูล

ก่อนการฝึกอบรม คำจำกัดความของชั้นเรียน รูปแบบป้ายกำกับ ขนาดขั้นต่ำ กฎการบดเคี้ยว และกรณีที่ยากลำบากจะต้องถูกระงับ แนะนำให้สุ่มตัวอย่าง การตรวจสอบซ้ำ การแยกที่เกือบจะซ้ำกัน รายงานการกระจาย และความแม่นยำ การเรียกคืน F1 หรือค่าเป้าหมายที่กำหนดบนชุดทดสอบจริงอิสระ

คำถามที่พบบ่อย

รูปภาพสามารถฝึกเครื่องตรวจจับได้โดยตรงหรือไม่

ไม่เป็นชุดข้อมูลการตรวจจับที่มีคำอธิบายประกอบ ขั้นแรก ต้องสร้าง ตรวจสอบ และตรวจสอบกล่องหรือหน้ากากในรูปแบบของกรอบการฝึกอบรม

ภาพควบคุมทั้ง 48 ภาพถูกสร้างขึ้นในกระบวนการที่ทำซ้ำได้หรือไม่

ใช่ สคริปต์ การตั้งชื่อ และข้อมูลเมตาจะถูกเก็บรักษาไว้ การสืบพันธุ์ต้องใช้อินพุต การขึ้นต่อกัน พารามิเตอร์ และสภาพแวดล้อมที่เหมือนกัน

รูปภาพ AI จะแทนที่ข้อมูลตำแหน่งจริงหรือไม่

ไม่ สิ่งเหล่านี้ช่วยเสริมการครอบคลุมแนวคิด การผสมผสานฉาก และคำอธิบายประกอบตัวอย่าง การทดสอบและการยอมรับขั้นสุดท้ายจำเป็นต้องมีข้อมูลจริงที่ได้รับอนุญาตจากสภาพแวดล้อมการปฏิบัติงานที่เหมาะสม

QA ปัจจุบันพิสูจน์อะไรได้บ้าง?

ความสามารถในการอ่าน การจับคู่ปริมาณ การกระจายตามแผน และการไม่มีการซ้ำกันทุกประการหรือการกำหนดความขาดแคลนของข้อมูล ความหมาย ความถูกต้องของป้ายกำกับ และประสิทธิภาพของโมเดลไม่ได้รับการพิสูจน์

เฟสต่อไปต้องการอินพุตอะไร

ต้องมีคลาส รูปภาพตำแหน่งที่เป็นตัวแทน ขนาดและกฎการบดบัง รูปแบบป้ายกำกับ กรอบงานการฝึกอบรม พารามิเตอร์ของกล้อง สิทธิ์ และเป้าหมายการยอมรับที่วัดได้ แอปพลิเคชันด้านความปลอดภัยจำเป็นต้องมีขั้นตอนสำหรับการเตือนที่ผิดพลาด การละเว้น และการควบคุมโดยมนุษย์