Étude de cas
Optimiser la perception autonome des véhicules grâce à l'annotation vidéo
Ecrit par
Aïcha
+30 %
de précision sur la détection de piétons et objets mobiles
÷1,5
temps de calibration des algorithmes ADAS
+8 h
de données annotées prêtes à l'entraînement par jour
Dans l’industrie automobile, le développement de véhicules autonomes repose sur la capacité des systèmes embarqués à comprendre leur environnement en temps réel. Cela nécessite des datasets vidéo de très haute qualité, annotés avec une extrême précision.
La mission
Objectif : créer un dataset d’entraînement pour la détection et la classification d’objets routiers (véhicules, piétons, panneaux, feux de signalisation) à partir de flux vidéo. Pour atteindre cet objectif, Innovatiana a déployé une approche dédiée incluant :
- L’annotation image par image en bounding boxes et polygones pour capturer la dynamique des scènes routières ;
- Le contrôle qualité systématique pour assurer une cohérence temporelle et spatiale dans les annotations.
Les résultats
- Des séquences vidéo annotées de manière exhaustive pour alimenter les algorithmes de perception ;
- Une amélioration sensible de la détection d’obstacles et de la navigation autonome en conditions variées ;
- Une accélération des phases de test et de validation des systèmes ADAS et autonomes.
👉 Lire notre article sur l'annotation ADAS : Découvrez comment une annotation vidéo précise renforce l'intelligence des véhicules autonomes.
Publié le
28/4/2025
Aïcha
