Människokroppens nyckelpunktsannotering
Shaip kommenterade 150 000 bildrutor och videodata med ett helkroppsschema med 36 nyckelpunkter, där han kombinerade ansiktslandmärken (huvud, ögon, öron, näsa, haka) med skelettleder (axlar, armbågar, handleder, höfter, knän, vrister) – för att möjliggöra poseuppskattning, rörelseanalys, konditionsspårning och AI för sjukvårdsrörelser.
Projektöversikt
I takt med att poseuppskattning och AI för mänsklig rörelse tas i bruk i produktionsmiljö behövde klienten ett skalbart annoteringsramverk för att märka 150 000 bildrutor och videodata med anatomiskt exakt täckning av hela kroppens nyckelpunkter under olika verkliga förhållanden.
Shaip byggde en heltäckande annoteringspipelin som täckte placering av nyckelpunkter, hantering av poser i flera vinklar, ocklusionshantering och strukturerad kvalitetssäkring – och stödde leverans av 36-punkts kroppsscheman och producerade modellklara datamängder med ett konsekvent dagligt dataflöde.
Nyckelstatus
Ramar kommenterade
150,000
Nyckelpunkter / Huvuddel
36
Daglig genomströmning
30 ramar
plattform
CVAT
Utmaningar
- Skalning från kontrollerade exempelarbetsflöden till 150,000 ramar av helkroppsskelettannotering
- upprätthålla anatomisk precision över olika positioner, betraktningsvinklar och ljusförhållanden
- Arbetsmiljö partiell ocklusion och överlappande ämnen utan att kompromissa med nyckelpunkternas noggrannhet
- samordna ansiktslandmärke + kroppsskelett placering på ett enda 36-punktsschema
- Upprätthålla en 30 bildrutor per dag per annotator genomströmningsmått för hela teamet
Lösning
Annoteringsstrategi
Shaip utformade ett kroppsschema med 36 nyckelpunkter som täckte hela anatomiska områden – ansiktets landmärken (huvud, ögon, öron, näsa, haka) kombinerat med skelettleder över axlar, armar, torso, höfter och ben. CVAT-plattformen konfigurerades med detta schema och rullades ut i hela teamet för enhetlig märkning.
Pose- och mångfaldshantering
Datasetet täckte avsiktligt olika motiv med varierande poser, betraktningsvinklar, ljusförhållanden och klädtyper. Annotatörerna följde posespecifika riktlinjer för att hantera stående, sittande, hukande, liggande och dynamiska rörelsepositioner med samma precision i nyckelpunkter.
Ocklusion och Edge-Case-regler
Strikta regler styrde hanteringen av partiella ocklusioner – viktiga punkter bakom kläder, kroppsdelar dolda av andra lemmar och motiv delvis utanför bild. Dolda landmärken markerades med synlighetsflaggor snarare än approximerades, vilket bevarade datasetets integritet för nedströms poseuppskattningsmodeller.
Genomströmnings- och produktivitetsriktmärke
Teamet upprätthöll ett riktmärke på 30 godkända kommenterade bildrutor per annotator och dag under ett 8.5-timmarsskift. Detta riktmärke kalibrerades mot noggrannhetsmål, vilket säkerställde att dataflödet inte kompromissade med kvaliteten.
Kvalitetssäkringsarbetsflöde
Varje kommenterad bildruta genomgick en strukturerad kvalitetssäkringsgranskning som omfattade noggrannhet i placeringen av nyckelpunkter, korrekthet i synlighetsflaggor och överensstämmelse med 36-punktsschemat. Avvisade bildrutor returnerades för korrigering med feedback på annotatornivå för att driva kontinuerlig förbättring.
Projektets omfattning
| Dataset typ | Volym | Nyckelord | plattform | genomströmning | tidslinje |
|---|---|---|---|---|---|
| Människokroppsskelett + nyckelpunktsannotering | 150,000 ramar | 36 per mänsklig figur | CVAT | 30 bildrutor/dag/annotator | Flera månader |
Utkomster
- Etablerade en skalbart ramverk för annotering med 36 nyckelpunkter redo för produktionsträning i poseuppskattning
- standardiserad placering av anatomiska landmärken över ansikts- och skelettregioner
- Bibehållen Annotatordataflöde på 30 bilder per dag utan att kompromissa med precisionen
- Levereras en mångsidig datauppsättning med flera villkor spännande poser, belysning, vinklar och klädtyper
- Aktiverade klientens poseuppskattning, rörelseanalys, konditionsspårning och AI för sjukvårdsrörelser färdplan
Sammantaget hjälpte Shaip till att omvandla ett krav på 150 000 ramar för nyckelpunktsannotering till en strukturerad, produktionsklar pipeline – en som kan stödja AI för mänskliga poser, konditionsspårning, rörelsediagnostik och rörelseapplikationer inom sjukvården med konsekvent precision och skala.
Shaip levererade vår nyckelpunktsannoteringsstomme med den precision som våra poseuppskattningsmodeller behövde. Deras 36-punktsschemaexekvering, ocklusionshantering och konsekventa dagliga genomströmning resulterade direkt i starkare modellprestanda.
