로봇 공학 및 구현된 AI 데이터, LiDAR 주석이 잘못되는 경우

왜 교차 프레임 일관성이 중요한가요?

모델이 객체가 지속된다는 것을 배우기 때문입니다. 동일한 차량이 연속된 프레임에서 약간 다르게 박스 처리되면, 훈련 신호는 차량이 모양이 변했다고 말하며, 추적 성능이 프레임별 메트릭으로는 드러나지 않는 방식으로 저하됩니다.

각 개별 프레임은 허용 오차 내에 있을 수 있지만 시퀀스 전체는 사용할 수 없게 됩니다. 이것이 이미지 주석 습관으로 주석이 달린 로봇 공학 데이터셋의 특징적인 실패입니다.

QA는 이미지 주석과 어떻게 달라야 하나요?

샘플링된 프레임이 아닌 시퀀스를 검토하세요. 무작위 프레임 샘플은 드리프트에 거의 눈이 멀어 있습니다. 드리프트는 프레임 간의 관계의 속성이기 때문입니다.

공급업체가 시퀀스를 어떻게 검토하고 그들의 일관성 메트릭이 무엇인지 구체적으로 물어보세요. 만약 답변이 프레임별 정확성이라면, 그들은 잘못된 것을 측정하고 있는 것입니다.

• 시퀀스 수준의 검토, 프레임 샘플링 아님
• 명시적인 교차 프레임 일관성 메트릭
• 가려짐 진입 및 종료 규칙
• 장면을 떠나고 다시 들어오는 객체 처리

사전에 고정해야 할 규칙은 무엇인가요?

주로 가려짐입니다. 객체가 부분적으로 숨겨지거나 여러 프레임 동안 완전히 숨겨졌다가 다시 나타날 때 어떻게 되는지. 가려짐을 통해 박스를 보간할지 아니면 삭제하고 새로운 트랙을 시작할지 여부입니다.

두 가지 답변 모두 방어할 수 있습니다. 명시되지 않은 답변은 동일한 데이터셋 내에서 다른 주석자가 다르게 선택하게 하며, 이는 어느 쪽 선택보다 더 나쁩니다.

센서 오류와 주석 오류를 어떻게 구분하나요?

주석자를 비난하기 전에 보정을 확인하세요. 센서 간의 잘못된 보정은 실제로는 잘못 정렬된 데이터의 올바른 주석인 것처럼 보이는 주석 오류를 생성합니다.

두 가지를 구분할 수 없는 공급업체는 문제가 없었던 데이터를 계속 재주석하고 이에 대한 비용을 청구할 것입니다.

LiDAR 주석 품질에서 가장 중요한 것은 무엇인가요?

교차 프레임 일관성입니다. 연속된 프레임 간에 약간 다르게 라벨링된 객체는 모델에게 객체가 모양이 변한다고 가르치며, 프레임별 정확성 메트릭은 이를 감지하지 못합니다.

로봇 공학 주석은 어떻게 품질을 검사해야 하나요?

개별 프레임을 샘플링하는 대신 전체 시퀀스를 검토하고 명시적인 교차 프레임 일관성 메트릭을 사용하세요. 프레임 샘플링은 드리프트에 거의 눈이 멀어 있습니다.

센서 보정 오류와 주석 오류를 어떻게 구분하나요?

먼저 보정을 확인하세요. 잘못된 보정은 주석 오류처럼 보이지만 실제로는 잘못 정렬된 데이터의 올바른 주석을 생성하며, 재주석은 이를 해결하지 못합니다.