Rationalisierung der Klassifizierung von Fahrzeugbildern mit generativer KI bei Groupe La Centrale
- Kunde
- Industrie
- Service
- Segment
- Autor
- Groupe La Centrale
- Automobilindustrie
- AI/ML
- Unternehmen
- Jodie Rhodes
Auf einen Blick
Groupe La Centrale ist eine französische Plattform für den An- und Verkauf von Autos und Motorrädern, die mit eigenen Inseraten und Partneranzeigen eine breite Palette von Transaktionen ermöglicht.
Herausforderung
Groupe La Centrale hatte Probleme mit der manuellen Prüfung von Fahrzeugfotos für Inserate, ein zeitaufwändiger Prozess, der für große Mengen ungeeignet ist.
Lösung
Firemind hat ein KI-Tool entwickelt, um die Klassifizierung von Fahrzeugfotos zu automatisieren und den Prüfprozess der Groupe La Centrale durch die effiziente Kennzeichnung von Attributen wie Marke, Modell, Farbe und Ausrichtung zu vereinfachen.
Genutzte Dienste
- Amazonas-Felsen
- Amazon S3
- Amazon DynamoDB
- Amazon Schritt Funktionen
Ergebnisse
- Verbesserte Genauigkeit und Konsistenz bei der Klassifizierung und Beschriftung von Fahrzeugfotos.
Erheblich weniger Zeit und manueller Aufwand für die Fotoprüfung.
Geschäftliche Herausforderungen
Ineffiziente und zeitaufwändige manuelle Überprüfung von Fahrzeugfotos
Groupe La Centrale, eine führende französische Plattform für den An- und Verkauf von Fahrzeugen, stand mit ihrem manuellen Fotoprüfungsprozess vor einer großen Herausforderung. Jedes Fahrzeugangebot erforderte eine detaillierte Prüfung der Bilder, um die Richtigkeit von Attributen wie Marke, Modell, Farbe und Ausrichtung sicherzustellen. Dieser manuelle Prozess war nicht nur zeitaufwändig, sondern auch anfällig für menschliche Fehler und führte zu einer inkonsistenten und ineffizienten Bearbeitung großer Mengen von Fahrzeugfotos.
Das aktuelle System stützte sich auf grundlegende Kriterien für die Fotobewertung, die für die Verwaltung der komplexen Fahrzeuglisten nicht ausreichten. Infolgedessen kämpfte die Plattform mit Verzögerungen und Ineffizienzen, was sich auf die allgemeine betriebliche Leistung und die Benutzerfreundlichkeit auswirkte. Um diese Probleme zu beheben, wurde eine Lösung benötigt, die den Prozess der Fotoprüfung automatisieren und rationalisieren und gleichzeitig eine hohe Genauigkeit und Konsistenz gewährleisten konnte.
Stehen Sie vor ähnlichen Herausforderungen?
Wir sind Spezialisten für die Lösung von Problemen mit Daten und KI. Lassen Sie uns Ihnen helfen, die Vorteile der Cloud zu nutzen.
Lösung
Automatisierte generative KI-Lösung für die effiziente Klassifizierung von Fahrzeugfotos
Um das Problem der manuellen und ineffizienten Prüfung von Fahrzeugfotos bei der Groupe La Centrale zu lösen, haben wir eine umfassende generative KI-gestützte Lösung entwickelt, die mehrere wichtige AWS-Services nutzt. Unsere Lösung automatisiert die Klassifizierung und Beschriftung von Fahrzeugbildern und verbessert damit sowohl die Geschwindigkeit als auch die Genauigkeit des Prüfprozesses erheblich.
Wir nutzten Amazon S3, um die von der Groupe La Centrale zur Verfügung gestellten umfangreichen Fahrzeugbilder sicher zu speichern und zu verwalten. Die Bilder wurden von S3 in unsere Analyse-Pipeline eingespeist, wo sie verarbeitet und klassifiziert wurden. Für die Bildanalyse setzten wir AWS Bedrock ein, mit dem wir fortschrittliche generative KI-Funktionen zur Identifizierung und Kennzeichnung kritischer Attribute wie Marke, Modell, Farbe und Ausrichtung der einzelnen Fahrzeuge nutzen konnten.
Die verarbeiteten Daten, einschließlich Bild-Metadaten und Beschriftungen, wurden dann in Amazon DynamoDB gespeichert. Diese NoSQL-Datenbank bot eine skalierbare und effiziente Möglichkeit, die klassifizierten Informationen auf der Grundlage von Auftrags- und Fahrzeug-IDs zu organisieren und abzurufen. Schließlich wurde der Arbeitsablauf mit AWS Step Functions orchestriert, die eine nahtlose Integration zwischen den verschiedenen Stufen der Bildverarbeitungspipeline sicherstellten und die reibungslose Ausführung von Aufgaben von der Aufnahme bis zur Klassifizierung erleichterten.
Mit diesen AWS-Services konnten wir eine Lösung bereitstellen, die den Prozess der Fotoprüfung rationalisiert, den manuellen Aufwand reduziert und die Gesamtgenauigkeit der Klassifizierung von Fahrzeugbildern verbessert.
Verbesserte Genauigkeit
Die generative KI-Lösung erreichte oder übertraf durchweg die Genauigkeit früherer ML-Modelle und sorgte für eine zuverlässige Klassifizierung und Kennzeichnung von Fahrzeugbildern.
Gesteigerte Effizienz
Der automatisierte Prozess reduzierte den Zeitaufwand für die Fotoprüfung erheblich, straffte die Abläufe und ermöglichte eine schnellere Bearbeitung der Fahrzeuglisten.
Verbesserte Konsistenz
Die Automatisierung lieferte konsistente Ergebnisse für alle Fahrzeugbilder, eliminierte menschliche Fehler und standardisierte den Prüfprozess.
Model Spotlight
Anthropic ist ein Forschungsunternehmen für künstliche Intelligenz mit Sitz in der San Francisco Bay Area. Das 2021 gegründete Unternehmen konzentriert sich auf die Entwicklung von sicheren und ethischen KI-Systemen, insbesondere von KI-Assistenten, die in der Lage sind, einen offenen Dialog zu führen und eine breite Palette von Aufgaben zu erfüllen.
Anthropic hat bemerkenswerte Modelle wie Claude entwickelt und erforscht Techniken wie die „konstitutionelle KI“, um seine KI mit robusten ethischen Prinzipien zu versehen. Unter der Leitung eines Teams prominenter KI-Forscher positioniert sich Anthropic als aufstrebender Marktführer im Bereich der nützlichen KI-Entwicklung und setzt sich dafür ein, dass KI-Fähigkeiten im Einklang mit menschlichen Werten entwickelt werden.
Claude 3 Sonett V1
Für dieses Projekt haben wir das Claude 3 Sonnet Modell verwendet, um Bilder mit hoher Präzision zu analysieren, wobei wir uns in erster Linie auf visuelle Daten und nicht auf Text konzentriert haben. Das Modell wurde so angepasst, dass es spezifische Abfragen bearbeiten kann und strukturierte Antworten liefert, die auf die Anforderungen der Aufgabe zugeschnitten sind.
Es zeigte, dass es in der Lage ist, Autos auf Bildern genau zu identifizieren und zu zählen, sichtbare Schäden zu bewerten und die Marke, das Modell und die Farbe der Fahrzeuge zu bestimmen. Außerdem konnte es unterscheiden, ob das Bild die Vorder- oder Rückseite des Fahrzeugs zeigt und klassifizieren, ob das Foto im Innen- oder Außenbereich aufgenommen wurde. Diese maßgeschneiderte Bildanalysefunktion machte Claude 3 Sonnet zu einer idealen Lösung für unsere Projektanforderungen.
