Pour entraîner leur AI en matière de conduite automatique et de stationnement automatique, le client avait besoin d’une excellente source de données d’entrée. En utilisant Rikano, l’équipe Rikkeisoft a aidé le client à réaliser ses objectifs et à maintenir un flux de travail transparent tout au long de 6 mois de coopération.
À propos du client
AI
Cet article décrit un projet réel. Cependant, nous ne pouvons pas révéler le nom de notre client pour des raisons de confidentialité.
Le client est connu comme un pionnier de l’industrie automobile coréenne et comme le troisième plus grand constructeur automobile du monde en termes de volume de ventes. Il devait étiqueter un grand nombre d’images pour entraîner l’AI de son système de conduite autonome. Par conséquent, il cherchait un partenaire en étiquetage d’images capable d’assurer une précision supérieure des données pour produire des données d’entrée de qualité pour son AI. Le partenaire était également censé être capable de monter en charge rapidement son équipe si nécessaire.
Aperçu du projet
Secteur
Automobile
Technologie
Rikano AI
Pays
Corée
Durée
6 mois
Enjeux
Précision des données et productivité
La précision absolue dans l’étiquetage des images est primordiale pour que l’entraînement de l’AI atteigne une conduite autonome fiable. Même les imprécisions mineures peuvent entraîner des implications en matière de sécurité importantes. Cependant, la précision des données ne doit pas être obtenue au détriment de la productivité. Le client voulait exceller dans les deux domaines, ce qui nécessitait un flux de travail efficace et des mesures de contrôle de qualité robustes.Charge de travail en constante augmentation
La nature dynamique de la conduite autonome nécessite un ensemble de données en croissance constante. Pour cette raison, le nombre d’images qui devaient être étiquetées chaque mois n’était pas fixe; le plus souvent, il augmentait considérablement avec un préavis très court. Le défi était donc de gérer la charge de travail croissante de manière transparente.Mise à l’échelle rapide de l’équipe
Avec l’augmentation de la charge de travail, le besoin de mettre rapidement à l’échelle l’équipe s’est fait sentir. L’intégration et la formation de nouveaux membres en quelques jours sans compromettre la précision étaient essentielles. En d’autres termes, le développement d’un processus de formation structuré et d’une ligne directrice d’étiquetage bien documentée est devenu crucial pour assurer la cohérence de la qualité dans l’équipe.Solution
Contrôle qualité par AI avec Rikano : plateforme d’annotation de données développée par Rikkei
Pour fluidifier le processus de formation et optimiser la productivité, Rikkeisoft a suggéré l’utilisation de Rikano pour le projet du client. Concernant le développement de l’équipe, Rikkeisoft a tiré parti de son bassin de talents existant et de celui de ses partenaires, environ 15 000 candidats, ce qui a permis de monter en charge l’équipe rapidement.
Au cours du premier mois du projet, 90 annotateurs et 10 correcteurs et AQ ont été intégrés et formés à distance via la plateforme d’apprentissage électronique alimentée par l’AI de Rikano, où leur performance a été régulièrement suivie et évaluée.
Les employés qualifiés ont ensuite eu accès à l’ensemble de données du client et ont commencé à étiqueter les images fournies pour que l’AI du client apprenne et accomplisse correctement son travail. Cette tâche d’annotation n’impliquait initialement que du travail manuel, et a été en partie confiée à Rikano AI par la suite, où les humains entraîneraient l’AI et examineraient son travail. De cette façon, la productivité a été améliorée tandis que la précision des données a été rigoureusement maîtrisée.
Avant de livrer le travail au client, deux niveaux d’assurance qualité devaient être satisfaits, incluant la première vérification par les annotateurs et la deuxième par les correcteurs et AQ.
Résultat
La combinaison de Rikano et de son équipe dévouée et hautement évolutive proposée par Rikkeisoft a abouti à la livraison réussie du projet en termes de portée, de délai et de taux de précision. En fin de compte, cela se résume à une approche flexible de la gestion des projets d’externalisation et à une pratique d’assurance qualité efficace qui aide à maintenir une qualité de projet de première importance du début à la fin.
