自動駕駛車企引入數(shù)據(jù)驅(qū)動的端到端的開發(fā)流程

　　盤點車企在自動駕駛領(lǐng)域的布局，除了特斯拉、理想、蔚來、小鵬等造車新勢力，傳統(tǒng)車企也愈加重視自動駕駛業(yè)務(wù)，紛紛成立獨立子公司專注于智能駕駛的開發(fā)，如一汽集團成立人工智能子公司一汽(南京)科技開發(fā)有限公司;長城汽車成立毫末智行;上汽集團籌建軟件中心上汽零束等。

　　自動駕駛行業(yè)專家們使用基于深度學(xué)習(xí)的開發(fā)流程——也就是數(shù)據(jù)驅(qū)動的端到端的開發(fā)流程來研發(fā)自動駕駛系統(tǒng)，基本按照如下思路：數(shù)據(jù)采集->數(shù)據(jù)存儲->數(shù)據(jù)預(yù)處理->數(shù)據(jù)挖掘->數(shù)據(jù)標注->模型訓(xùn)練->仿真測試->部署發(fā)布。在這個環(huán)節(jié)中使用的工具鏈決定了整個系統(tǒng)開發(fā)的效率。

　　自動駕駛是2020至今AI基礎(chǔ)數(shù)據(jù)服務(wù)支出規(guī)模的細分行業(yè)，同時也是增長潛力的行業(yè)，主要數(shù)據(jù)采集需求包括車內(nèi)駕駛艙以及車外道路環(huán)境感知等場景。數(shù)據(jù)處理包括對攝像頭數(shù)據(jù)、毫米波雷達數(shù)據(jù)、激光雷達點云數(shù)據(jù)進行去噪清洗，去除地理位置、人臉、車牌等敏感信息并且統(tǒng)一格式。數(shù)據(jù)處理完成后對數(shù)據(jù)進行標注，標注類型大致分為2D、3D目標物標注、聯(lián)合標注、車道線標注和語義分割等。

　　由于具體采集規(guī)范和標注質(zhì)檢流程異常繁瑣，對自動駕駛車企來說數(shù)據(jù)采集標注的外包化和對高質(zhì)低價的追求也趨于明顯。

　　IDC發(fā)布的《中國人工智能基礎(chǔ)數(shù)據(jù)服務(wù)市場追蹤報中》中提出標注質(zhì)量、標注效率、知識經(jīng)驗、數(shù)據(jù)安全、整體成本五個維度，是用戶對AI數(shù)據(jù)服務(wù)商最重要的能力要求。景聯(lián)文科技是AI基礎(chǔ)數(shù)據(jù)服務(wù)行業(yè)的頭部供應(yīng)商，也是長三角地區(qū)的自動駕駛數(shù)采集標注公司，擁有10年專業(yè)數(shù)據(jù)采集經(jīng)驗，成立至今已為【阿里巴巴】，【華為】，【美團】，【�？低�視】等數(shù)百家AI頭部企業(yè)提供數(shù)據(jù)解決方案。

　　自動駕駛場景中應(yīng)用較為廣泛的數(shù)據(jù)標注類型

　　在以深度學(xué)習(xí)為主的感知模型中，主流的深度學(xué)習(xí)訓(xùn)練方法還是監(jiān)督學(xué)習(xí)，用這種方法訓(xùn)練，需要向模型“喂養(yǎng)”海量有“真值(Ground Truth)”的數(shù)據(jù)。模型訓(xùn)練對標注數(shù)據(jù)的質(zhì)量要求很高，數(shù)據(jù)質(zhì)量直接決定了訓(xùn)練出來的模型精度高低，標注質(zhì)量又和標注成本密切相關(guān)，選擇小型標注團隊的廉價勞動力能否滿足開發(fā)者們的需求是一個問題，高質(zhì)量的標注要求，必然導(dǎo)致人力成本上升，低價格則會影響標注質(zhì)量，高質(zhì)量和低價格是一個需要開發(fā)者平衡的矛盾。

　　景聯(lián)文科技位于杭州，作為行業(yè)內(nèi)具備一定規(guī)模的平臺型廠商，為了提升標注服務(wù)的質(zhì)量/價格比，大力優(yōu)化標注平臺實現(xiàn)Al數(shù)據(jù)的全生命周期管理和供應(yīng)鏈管理，項目協(xié)同，AI人機協(xié)同，自定義權(quán)限的數(shù)據(jù)處理能力，全面支持圖像、音頻等數(shù)據(jù)標注需求，支持多類型標注模板，標注結(jié)果支持多種格式在線導(dǎo)出。支持全面標注、質(zhì)檢、驗收和管理，開放甲方驗收通道，可按照甲方要求轉(zhuǎn)換格式校對數(shù)據(jù)。并研發(fā)自動化輔助標注功能，運用AI技術(shù)直接對2D圖像數(shù)據(jù)進行場景分割、人臉和物體識別，自動完成標注后再由人工進行校隊，標注員只需要對AI標注的數(shù)據(jù)進行檢查調(diào)整即可提交進入審核，數(shù)據(jù)精準度可達99.99%，提高標注效率有效降低成本。

　　自動駕駛場景中應(yīng)用較為廣泛的數(shù)據(jù)處理標注類型除了2D圖像標注，還有3D點云連續(xù)幀標注和2D3D點云融合標注。在傳統(tǒng)逐幀標注模式之下，無論采用手動復(fù)制對象的模式還是自動復(fù)制對象的模式，標注效率都很難有所提升，景聯(lián)文標注平臺在依據(jù)傳統(tǒng)標注模式優(yōu)缺點的基礎(chǔ)上引入大量算法輔助，研究出專門針對點云連續(xù)幀標注的人機協(xié)同模式“自動關(guān)鍵幀”，在點云自動關(guān)鍵幀標注模式下，用戶只要對該連續(xù)幀中“起始幀”和“結(jié)束幀”進行標注，平臺算法就會自動生成并調(diào)整中間幀上同一屬性對象，無需逐幀復(fù)制。這種模型在保持數(shù)據(jù)準確率的基礎(chǔ)上，使得標注效率提升至10倍以上。

　　景聯(lián)文科技使用自研3D點云標注平臺，完成國內(nèi)知名高校的2D3D點云融合標注項目，標注2D圖片21000張，合計標注35000個障礙物，涵蓋整個小區(qū)，包括停車區(qū)，道路等日�；顒訁^(qū)域;標注點云圖片共計5000幀，合計20000個點云框，主要模擬居民小區(qū)內(nèi)日常行車及停車環(huán)境，交付的數(shù)據(jù)合格率均達到99%。

　　自動駕駛場景數(shù)據(jù)標注項目常見問題和景聯(lián)文科技解決方案

　　隨著產(chǎn)業(yè)鏈的專業(yè)化分工愈加清晰，AI產(chǎn)業(yè)對訓(xùn)練數(shù)據(jù)的拓展性需求和前瞻性需求均快速增長，并且隨著需求方對訓(xùn)練數(shù)據(jù)質(zhì)量的要求不斷提高，垂直場景的定制化訓(xùn)練數(shù)據(jù)需求成為主流，需求方市場對訓(xùn)練數(shù)據(jù)的要求逐漸向精細化轉(zhuǎn)型，除此之外自動駕駛領(lǐng)域標注項目還存在著其他難度。

　　自動駕駛領(lǐng)域標注項目數(shù)據(jù)量和單個數(shù)據(jù)文件普遍較大，對數(shù)據(jù)精度的要求更高，因此對外包數(shù)據(jù)公司的標注團隊規(guī)模、自動駕駛項目執(zhí)行經(jīng)驗、服務(wù)器、平臺的承載能力有著更高的要求。景聯(lián)文科技在全國擁有四個大型標注基地，為1000+數(shù)據(jù)標注師提供綜合標注技能培訓(xùn)，通過項目輪轉(zhuǎn)形式使90%以上標注人員執(zhí)行過自動駕駛場景標注項目，選擇大專以上學(xué)歷且對自動駕駛算法需求有一定理解能力的標注師專門負責2D3D融合等高難度標注項目，同時對標注平臺服務(wù)器、企業(yè)專線寬帶、辦公電腦配置進行全面升級，支持對大量數(shù)據(jù)同時進行標注操作并保證其加載速率。

　　同時針對自動駕駛標注項目易出現(xiàn)需求臨時變更的情況，景聯(lián)文科技為需求方配備多次執(zhí)行過自動駕駛標注項目的項目經(jīng)理和商務(wù)人員對接服務(wù)，支持24小時加班和值班隨時溝通可能存在的需求變更，平臺研發(fā)團隊隨時響應(yīng)標注工具調(diào)整需求，在項目初期提前部署，提前開始，確保數(shù)據(jù)提前交付并確保標注準確率。

　　通過標注平臺實現(xiàn)標審分離，完善平臺風(fēng)險管控機制，且設(shè)置了嚴格的數(shù)據(jù)隱私安全保障措施。其核心原則為數(shù)據(jù)絕不二次利用和簽訂數(shù)據(jù)采集授權(quán)協(xié)議;同時設(shè)置了數(shù)據(jù)隔離、私有化部署等安全流程和技術(shù)。

　　做全球AI行業(yè)客戶的數(shù)據(jù)參謀。

　　自動駕駛數(shù)據(jù)采集標注項目聯(lián)系我們。