主要コンセプト

このページを読む必要がありますか？ docid\ wym9o4uavbhveiojew8ze ページを既に完了している場合、通常このページを読む必要はありません。このページはより詳しい背景情報を扱っています。 プロジェクト プロジェクトは、kognicプラットフォームとのインターフェースにおける最上位のコンセプトです。複数のプロジェクトを同時に進行でき、他のkognicリソー スのコンテナとして機能します。 プロジェクトの設定は通常、新規クライアントエンゲージメントのガイドライン合意プロセス（gap）中に、kognicプロフェッショナルサービスチームによって行われます。 kognic apiでは、プロジェクトは外部識別子を使用して識別されます。 バッチ 入力バッチにより、プロジェクト内で入力データを小さなバッチにグループ化できます。デフォルトでは、すべてのプロジェクトに少なくとも1つの入力バッチがあります。 進行中のプロジェクトでは、複数のバッチを持つことで以下の2つのメリットがあります 特定の期間中に収集された入力データをグループ化する 遡及的な変更を必要とせずに、ガイドラインやタスク定義の変更を行う。 バッチステータス ステータス 説明 pending バッチは作成されましたが、kognicによる設定がまだ完了していません。プロジェクトのセットアップ中、またはリクエストされた変更の対応中です。 open バッチは新しい入力を受け付けています ready バッチは公開済みで、新しい入力は受け付けていません。 in progress kognicがバッチ内の入力のアノテーションを開始しました。 completed アノテーションが完了しました。 リクエスト gap期間中、プロジェクトには最終目標として複数のアノテーションタイプを設定できます。例えば、画像で構成されるプロジェクトには、車線検出とオブジェクトアノテーションの両方を割り当てることができます。kognicでは、リクエストは特定の入力に対する具体的なアノテーション目標を表します。大規模で 複雑なプロジェクトを、いくつかの独立したアノテーションタイプに分割します。これにより、以下のことが可能になります アノテーターの認知負荷を軽減する より多くのアノテーターが同じデータに対して並行して作業できる ユーザーインターフェースを簡素化する これらすべてが、高い品質レベルを維持しながら、アノテーション作成に必要な総時間の短縮に貢献します。 ガイドライン アノテーションを作成するためには、何をどのようにアノテーションするかを知る必要があります。この種の情報はガイドラインに記載されています。ガイドラインでは、マークすべき特定のオブジェクト（例 車両や歩行者）と、その方法（例 バウンディングボックス）を定義します。また、データの解釈方法に関する詳細情報も含まれており、例えば車両が「大部分が遮蔽されている」とはどういう意味かなどが記載されています。 タスク定義とアノテーション指示 タスク定義は、何をアノテーションすべきか/できるかを記述します。オブジェクトタイプはいくつあるか？各オブジェクトタイプに対してバウンディングボックス、セマンティックセグメンテーション、またはライン/スプラインのどれを使用するか？各オブジェクトタイプのプロパティは何か？タスク定義はjsonファイルであり、kognicプロフェッショナルサービスチームがガイドラインから生成します。タスク定義はkognicアプリで適切な描画ツールを構築するために使用されます。つまり、タスク定義はガイドラインの機械可読な同等物と理解できます。 現在、プラットフォームを通じてタスク定義をより直感的に定義する方法として、アノテーション指示を採用しています。このコンセプトについて耳にすることもあるかもしれません。プラットフォームの外部から見ると、アノテーション指示とタスク定義は同じものであり、アノテーションツールの設定、つまり完成したラベルの内容を意味します。 シーン アノテーションタスクを設定する前に、生データをkognicプラットフォームに正しくアップロードする必要があります。シーンは、異なるソースからのデータをどのように組み合わせるかを指定します。リソースには、画像や点群のほか、メタデータやキャリブレーション（センサーのプロパティを定義）が含まれます。以下のようなさまざまな種類のセットアップをサポートしています 単一または複数のカメラからの画像 カメラからの画像とlidar点群の組み合わせ シーンに関連するもう1つのコンセプトとしてフレームがあります。フレームは、シーンにおける離散的な時間の瞬間です。シーンは単一フレームまたはシーケンス（複数フレーム）のいずれかです。アノテーションの作成に時間的情報が重要な場合は、シーケンスを使用してください。 シーンタイプ タイプ 説明 docid\ kzidafhttugnpnv fiufy 1〜9台のカメラからの画像で構成される単一フレーム docid\ t nzx0h 2ulge9sa h04r 1〜20個のlidar点群と1〜9台のカメラからの画像で構成される単一フレーム docid\ b7kvgrpe i2faquwu 6lm フレームのシーケンスで、各フレームは1〜9台のカメラからの画像で構成 docid\ czk0xfupz8tlney2m6kx7 フレームのシーケンスで、各フレームは1〜20個のlidar点群と1〜9台のカメラからの画像で構成 docid\ l tirodksb1ih5y5cth9z フレームのシーケンスで、各フレームは1〜20個のlidar点群と1〜9台のカメラからの画像で構成。ただし、点群は時間的に集約され、統合された点群が生成さ れます。 プレアノテーション プレラベルとも呼ばれます。アノテーションがkognicプラットフォームから出力されるラベルであるのに対し、プレアノテーションはプラットフォームに入力されるラベルです。これらはopenlabel json形式で、シーンの作成後にアップロードされ、バウンディングボックスの推定値や、再確認が必要な以前の手動ラ ベリングデータなど、シーンの初期ラベリングを取り込むことができます。 シーンには0個以上のプレアノテーションがあり、シーンから入力が作成される際に、プレアノテーションの1つを添付できます。その方法の詳細についてはプレアノテーションをご覧ください。 プレアノテーションデータは、有効なopenlabel（json）ドキュメントである必要があります。kognicはさらに、大まかに「妥当」であること（例 シーンと同じセンサー名を使用しているか、正しいフレーム数であるかなど）も検証します。 プレアノテーションが入力に追加される際には、タスク定義との互換性もさらに検証されます。プレアノテーションが有効なopenlabelドキュメントであっても、特定のリクエストでの使用には適さない場合があります。 キャリブレーション キャリブレーションは、正確なマルチセンサーアノテーションに不可欠です。キャリブレーションには、自車両に取り付けられたすべてのセンサーの外部プロパティ（位置）と、特定のセンサーの内部プロパテ（例 視野角、カメラの解像度）が含まれます。キャリブレーションにより、シーン内の異なる3dおよび2d座標系間で位置を変換できます。技術的な詳細については docid 3jkwdhqcmvnvbuzbouzmr をご覧ください。 入力 シーンがkognicプラットフォームにアップロードされると、入力としてアノテーションタスクを作成でき、各入力はリクエストに関連付けられます。入力とシーンを区別することで、アップロードされたデータの効率的な再利用が可能になります。例えば、同じシーンから複数の入力を作成し、異なる種類のアノテーション設定を行うことができます。 なお、シーン作成時に関連付けるプロジェクト/バッチを指定することで、シーンと入力を同時に作成することもできます。例については docid\ mf7 5gllqrkg to ev3yd をご覧ください。 アノテーション アノテーションは、リクエスト内で入力が正常にアノテーションされた際に生成されます。アノテーションは、kognic io apiを通じて docid\ tfdiv3dlaafndehaklui のjsonオブジェクトとして提供されます。アノテーションのダウンロード方法や操作例の詳細については、 docid\ e49jxwmqee54hochctmex の章をご覧ください。 kognic io apiに加えて、kognicはopenlabel jsonオブジェクトの解析と操作を容易にするライブラリ docid\ ydr k4dp8deobobjato70 も提供しています。