Übersicht
Ein Technologieunternehmen aus dem Einzelhandel, das eine Computer-Vision-Plattform entwickelt, hat sich mit Sourcefit zusammengetan, um die Genauigkeit und Konsistenz seiner KI-Trainingsdatensätze zu verbessern. Die Plattform analysiert Bilder von Ladenregalen, um die Produktplatzierung, ausverkaufte Artikel und Probleme bei der Warenpräsentation zu erkennen. Um die Modellleistung zu verbessern, benötigte der Kunde große Mengen an genau getaggten Bildern und einen zuverlässigen Qualitätssicherungsprozess mit menschlicher Beteiligung.
Sourcefit hat ein spezielles Annotationsprogramm entwickelt und verwaltet dieses nun, das die Bildkennzeichnung, visuelle Qualitätssicherung und Qualitätsprüfung für Tausende von Regalbildern übernimmt. Das Team arbeitet nach einem transparenten Cost-Plus-Modell mit gleichbleibender Genauigkeit, stabilem Durchsatz und strukturierten Produktionsabläufen.
Die Herausforderung
- Computer-Vision-Modelle erforderten hochwertige Annotationen für Produkte, Regale, Preise und Bildbedingungen.
- Umfangreiche Trainingsdatensätze erforderten ein skalierbares Team, das eine konsistente Genauigkeit gewährleisten konnte.
- Die Tagging-SOPs waren detailliert und erforderten Schulungen, um eine korrekte Segmentierung und Kennzeichnung sicherzustellen.
- Probleme auf Bildebene wie Unschärfe, Blendung und Winkeländerungen mussten identifiziert werden.
- Der Kunde benötigte zuverlässige Qualitätssicherung und Kalibrierung, um die Genauigkeit in komplexen Einzelhandelsumgebungen aufrechtzuerhalten.
Unser Ansatz
Sourcefit hat ein spezielles Annotations- und Qualitätssicherungsteam aufgebaut und betreibt dieses, das direkt auf der Beschriftungsplattform und den visuellen Standards des Kunden geschult wurde. Das Team wurde im Rahmen eines strukturierten Schulungsprogramms eingearbeitet, dessen Schwerpunkt auf den Anforderungen an Bilder im Einzelhandel, der Genauigkeit der Beschriftung und der Ausrichtung auf Gold-Sets lag.
Während der Einrichtung, Sourcefit:
- Durchführung von Kalibrierungssitzungen zur Abstimmung der Produktkennzeichnung und Regalsegmentierung
- Festgelegte SOPs für den Einzelhandel für detaillierte Bounding-Box- und Polygon-Annotationen
- Mehrstufige Qualitätssicherung mit Echtzeitvalidierung anhand von Gold-Sets implementiert
- Richten Sie tägliche Berichte zu Genauigkeit, Durchsatz und Fehlertrends ein.
- Feedbackschleifen erstellt, um die Konsistenz der Tagger bei komplexen Regalbildern zu verbessern
Heute verwaltet Sourcefit die gesamte Bildkennzeichnung, Qualitätsprüfungen auf Bildebene und die Qualitätssicherung, während der Kunde die Ergebnisse für das Training von Computervisionsmodellen und deren kontinuierliche Verbesserung nutzt.
Ergebnisse
- Übertraf durchweg die vom Kunden vorgegebene Genauigkeitsbenchmark von 95 %.
- Verbesserte Qualität der Trainingsdatensätze für Computer-Vision-Workflows im Einzelhandel
- Verbesserte Konsistenz der Kennzeichnung über verschiedene Ladenlayouts und Produktgruppen hinweg
- Stabile Bildannotation mit hohem Volumen und täglicher Qualitätssicherung
- Schnellere und zuverlässigere Modelltrainingszyklen
Die wichtigsten Erkenntnisse
- Die Qualität der Annotation bestimmt die Leistung: Eine hochpräzise Bildkennzeichnung ist für das Training zuverlässiger Computer-Vision-Modelle zur Regalüberwachung unerlässlich.
- Klare Standards sorgen für Konsistenz: Detaillierte SOPs, Kalibrierungssitzungen und die Validierung von Gold-Sets sorgen dafür, dass Annotationen in großen und komplexen Einzelhandelsdatensätzen einheitlich bleiben.
- Skalierbare Teams ermöglichen Wachstum: Ein engagiertes Annotations- und QA-Team ermöglicht es dem Kunden, das Trainingsdatenvolumen zu erhöhen, ohne die Kontrolle über Genauigkeit oder Durchsatz zu verlieren.
Lehren für die Industrie
Computer-Vision-Systeme für den Einzelhandel sind auf zuverlässige Annotationen und Qualitätssicherungsmaßnahmen angewiesen, um in realen Umgebungen genau zu funktionieren. Die Kameraaufnahmen variieren stark je nach Geschäft, Einrichtung und Lichtverhältnissen, sodass eine detaillierte Überprüfung durch Menschen für die Zuverlässigkeit des Modells unerlässlich ist. Dieses Projekt zeigt, wie strukturierte Bildkennzeichnung und manuelle Validierung dazu beitragen, dass KI-Plattformen für den Einzelhandel die Erkennung verbessern, Störungen reduzieren und Trainingszyklen beschleunigen können.
Mehr erfahren
Sourcefit unterstützt KI- und Computer-Vision-Unternehmen mit skalierbaren Teams für Annotation, Qualitätssicherung und Datenverarbeitung.
Entdecken Sie WorkingAI für Automatisierung und Workflow-Unterstützung und SourceCX für kundenorientierte Abläufe, die Einzelhandels- und Technologieplattformen unterstützen.
Wenden Sie sich an unser KI-Betriebsteam, um skalierbare Lösungen für Annotationen und Datenkennzeichnungen zu entdecken.
