Sentetik veri · Demiryolu engel tespiti
Demiryolu engel tespiti için sentetik veri: raylar cetveldir
Raydaki engeli ne bekleyebilirsiniz ne sahneleyebilirsiniz. Bu yüzden eğitim verisi gerçek kabin görüntüsü üzerine kuruluyor ve her adım ölçülüyor: raylar kalibrasyonsuz ufku ve ölçeği veriyor, yerleştirilen engel sahnede sabit kalıyor, etiketi de görünen kısmı izliyor.
Bölümler
SENTETİK VERİ
Görüntü Blender'da üretildi; sahadan alınmış kayıt değildir. Kutular render sırasında üretilen yer gerçeğidir (ground truth), model tahmini değildir. İç Ar-Ge çalışmasıdır.
01Görüntü ne anlatıyor
Raydaki engel, bir dedektörün tam da ihtiyaç duyduğu ve kimsenin toplayamadığı veridir: nadirdir, tehlikelidir ve sahnelenemez. Bu yüzden eğitim verisi gerçek kabin görüntüsü üzerine kuruluyor. Ego-yol modeli her karede trenin kendi koridorunu buluyor, ölçmeyi de geometri yapıyor: raylar arasındaki açıklık ufka doğru düz bir çizgi boyunca daralıyor, yani raylar hem ufku hem ölçeği veriyor; kamera kalibrasyonu gerekmiyor.
Kareden kareye izlenen zemin noktaları katedilen yolu ölçüyor; yerleştirilen engel sahnede sabit kalıyor ve gerçek bir nesne gibi büyüyor. Etiketi, görselin kendi dış hattından çıkan ve gerçekten görünen kısmı saran bir poligon; engel kadrajdan çıkarken de o kısmı izlemeye devam ediyor. Engel görselleri otomatik denetlenen, üretilmiş bir kütüphaneden geliyor ve hiçbir sentetik görüntü bir insan onaylamadan eğitime girmiyor.
Tamamen sentetik bir görselleştirmedir: demiryolu 3B sahnedir, engel görselleri kendi ürettiğimiz kütüphaneden gelir. Hattın kendisi gerçek kabin görüntüsü üzerinde çalışır; o görüntü burada gösterilmez. Rakamlar Spikedge Ar-Ge'nin Eylül 2026 tezgâh ölçümleridir: tek bir kabin klibinin 1672 karesi (klasik doku maskesi hat koridorunu karelerin %62,6'sında yanlış yere koydu, ego-yol modeli %0'ında) ve 8 engelli bir doğrulama sahnesi. Sahadaki tespit başarısı henüz ölçülmedi.
02Transkript
Görüntü İngilizce seslendirildi. Her satırın altında özgün metin duruyor; zaman damgasına tıklayınca görüntü o andan başlar.
Bazı olaylar kaydedilemeyecek kadar nadir, sahnelenemeyecek kadar tehlikelidir.
Some events are too rare to record, and too dangerous to stage.
Bir dedektörün yine de bu olayların binlerce etiketli karesine ihtiyacı var.
A detector still needs thousands of labelled frames of them.
Gerçek kabin görüntüsünden başlıyor ve trenin kendi yolunu buluyoruz.
We start from real cab-view video, and find the train's own path.
Kalibrasyon gerekmez. Raylar arasındaki açıklık düz bir çizgi boyunca daralır: raylar cetveldir.
No calibration needed. The gap between the rails narrows in a straight line: the rails are the ruler.
Zemin noktaları katedilen yolu ölçer; engel yerinde kalır ve olması gerektiği gibi büyür.
Ground points measure the distance travelled, so the obstacle stays put, and grows as it should.
Etiket geometriden gelir ve görünür kalan kısmı izler.
The label comes from geometry, and follows what stays visible.
Engeller, otomatik denetlenen üretilmiş bir kütüphaneden gelir.
The obstacles come from a generated library, checked automatically.
Ve hiçbir sentetik görüntü, bir insan onaylamadan eğitime girmez.
And no synthetic image reaches training until a person approves it.
Her adımı ölçüyoruz. Henüz ölçmediğimizi iddia etmiyoruz.
We measure every step. What we haven't measured yet, we don't claim.
