La Bounding Box (ou "boîte englobante" dans la langue de Molière) est le type d’annotation le plus simple, probablement le plus répandu. La complexité des tâches de labellisation de Bounding Boxes est souvent sous-estimée – un manque de précision pouvant rendre un apprentissage plus difficile ou long. Les Data Labelers d’Innovatiana sont formés aux meilleures techniques d’annotation – notre approche, qui inclut formation et revue qualité obligatoires, permet d’atteindre un niveau de qualité optimal.

Un format d’annotation proche de la Bounding Box… mais en trois dimensions ! Particulièrement utile pour vos produits IA si vous travaillez dans l’industrie automobile (mais pas seulement !).

Pour faciliter l’apprentissage de vos modèles, vous pouvez choisir d’annoter les objets avec des polygones, en délimitant les objets de façon très précise pour éliminer le bruit. Cela vous évitera d’annoter des éléments non pertinents et qui pourraient rendre votre modèle confus. Cela prend bien sûr un peu plus de temps… mais bonne nouvelle, nos Data Labelers ont été formés aux meilleurs outils pour labelliser des polygones en un temps raisonnable.

Que dire de plus ? Ce sont des points – sur des images. Pourquoi faire ? Souvent pour entraîner des modèles de détection ou reconnaissance faciale. Pour détecter des émotions, des expressions, … C’est un travail de précision qui demande rigueur et résilience… des qualités qui caractérisent nos Data Labelers !

Des lignes, pour délimiter des sections sur une image et entraîner votre modèle "Computer Vision" à reconnaître et à délimiter des routes, des rues, des trottoirs, … Parce que même si votre modèle de détection d’objets pour votre voiture autonome est très bien, personne ne souhaite que sa voiture confonde un trottoir et un arbre. Les Lines & Polylines, ça sert à ça.

On nous demande régulièrement de catégoriser des séquences de vidéos pour entraîner des modèles ou des algorithmes. Nos Data Labelers ont l’habitude de le faire avec les outils les plus performants du marché pour ce type de cas d’usage, comme V7. Pour vous permettre de ne conserver que les séquences utiles, éliminer le bruit et structurer vos données vidéos.

Vous avez des milliers d’images inexploitées ? Nous pouvons les classer et associer des attributs sémantiques à ces classes pour vous permettre de filtrer / rechercher dans vos images de façon fluide… ou d’entraîner un modèle pour qu’il le fasse à votre place ! Vous avez un cas simple qui demande de classer 1'000 images dans 3 catégories différentes ? Un cas complexe où il faut catégoriser 40'000 images selon 40 classes et 50 attributs ? Contactez-nous, nous l’avons déjà fait !

Des segments, pour générer des masques sur une multitude d’images, en gérant l’occlusion ou les overlays. Un travail qui demande patience, rigueur et l’utilisation d’outils performants. Si vous n’êtes pas outillés, nous vous recommandons d’utiliser CVAT… et de faire appel à nos Data Labelers qui maîtrisent très bien cet outil !

L’annotation LiDAR (3D Point Cloud) est une tâche complexe, qui demande aux Data Labelers une formation adaptée et l’utilisation d’outils de Data Labeling performants. Pour ce type de cas d’usage, nous constituons des taskforces de Data Labelers expérimentés, pilotés par un Data Labeling Manager expert dans le domaine.