Команда US-DATA завершила крупный проект по подготовке данных для системы компьютерного зрения: специалисты разметили более 50 000 фотографий транспортных средств и регистрационных знаков.
Задача оказалась значительно сложнее обычного выделения объектов на изображении. На одной фотографии могло находиться сразу несколько автомобилей, а регистрационные знаки относились к разным странам и отличались форматом, расположением символов и визуальным оформлением.
Для каждого релевантного объекта выполнялось несколько видов разметки: определялось положение номерного знака, фиксировалось его текстовое значение, указывалась страна и классифицировался тип транспортного средства.
Главная сложность — реальные данные
В production-среде автомобильный номер далеко не всегда выглядит как чистый прямоугольник, снятый фронтально при хорошем освещении.
В датасете встречались номера, покрытые грязью, снегом и дорожными реагентами, поврежденные и затертые символы, сильные блики, ночные фотографии и изображения, сделанные под нестандартными углами.
Отдельной задачей стало распознавание визуально похожих символов. Например, кириллические С, Р и У могут быть практически неотличимы от латинских C, P и Y, особенно при низком качестве исходного изображения.
При этом на одном кадре могло одновременно присутствовать несколько транспортных средств. Это требовало не просто классифицировать фотографию, а последовательно обнаружить объекты и связать каждый номер с соответствующим автомобилем и набором атрибутов.
Как обеспечить единое качество на десятках тысяч изображений
При работе с большими датасетами критично, чтобы один и тот же объект размечался по одинаковым правилам как в начале проекта, так и после обработки десятков тысяч файлов.
Для проекта были сформированы единые правила аннотирования и обработки спорных ситуаций. Особое внимание при контроле качества уделялось плохо читаемым символам, необычным ракурсам, нестандартным регистрационным знакам и изображениям с несколькими объектами.
Результатом стал структурированный датасет, объединяющий несколько уровней информации:
изображение → транспортное средство → номерной знак → текст номера → страна → тип транспорта.
Такие данные могут использоваться при обучении систем ANPR/ALPR, интеллектуальных транспортных систем, парковочных решений, систем контроля въезда, городской видеоаналитики и других решений на основе computer vision.
Подробно о задаче, сложных случаях и организации контроля качества — в полном кейсе «Разметка 50 000+ фотографий автомобилей и номерных знаков».
Подготовка данных для Computer Vision
US-DATA выполняет проекты по подготовке обучающих датасетов — от пилотной выборки до массивов из десятков и сотен тысяч файлов.
Подробнее об услугах:
