Data labeling voor beeldherkenning

DataMondial werkt samen met een snel groeiend AI-bedrijf in Europa. Deze klant ontwikkelt en implementeert zelflerende systemen in verschillende sectoren om bedrijven efficiënter te laten werken. Voor één van hun projecten in de agrarische sector, gericht op het ontwikkelen van een beeldherkenningsalgoritme, helpen wij bij beeldlabeling.

Onze aanpak voor AI-projecten

Om de aardappelsorteermachine te ‘leren’ wat een aardappel is en wat niet heeft ons remote team duizenden foto’s van aardappels geannoteerd met vier specifieke tags: aardappel, loof, steen en de machineband.

Samen met onze klant zijn er nauwkeurige specificaties en richtlijnen opgesteld voor het labelen van de foto’s. Hierin is aangegeven welke tags worden toegepast en welke criteria moeten worden gevolgd om consistente en kwalitatieve labeling te garanderen. Voor het labelen is gebruik gemaakt van de geavanceerde tool Label Studio en technologieën van onze klant om nauwkeurige labels toe te passen op de juiste objecten in de beelden.

Ons remote team volgt de richtlijnen zorgvuldig en voert een strenge kwaliteitscontrole uit om ervoor te zorgen dat de gelabelde foto’s aan de verwachtingen van de klant voldoen.

“Manager AI-bedrijf: Omdat menselijke ogen en handen nog altijd nodig zijn om computersystemen te voeden met relevante trainingsdata en te beoordelen of de output correct is, zijn wij met DataMondial de samenwerking aangegaan. Handmatig labelen van foto’s is een tijdrovende en kostbare taak voor ons interne team, dus de keus om een ervaren remote team in te zetten was snel gemaakt”.

Ook hulp nodig bij datavalidatie, dataverwerking of annotatie?

Neem contact op voor het maken van een afspraak. Kijk ook nog even op onze pagina datavalidatie voor OCR, AI en Machine Learning voor meer informatie.