held‹ ›model

Agreement, model mask against the held polygon

· IoU

erster Durchlauf · model · three points · loading

Konzeptdurchlauf · SAM 3 · "bracket" · 2 found · 0.882 IoU · auf dem Server berechnet · 2026-09-09

Von der Modellaufgabe zur abgenommenen Label-Datei

Bild-Labels, die Ihr Modellteam spezifizieren und abnehmen kann

Bringen Sie die Modellaufgabe und die Bedingungen der Quellbilder mit. YPAI grenzt Label-Typ, Aufgabenregeln, Prüfmethode, Abnahmeanforderung und Ausgabeformat als eine Lieferentscheidung ab.

Sie kaufen Bild-Label-Dateien im vereinbarten Ausgabeformat, geprüft anhand der Abnahmekriterien im Projektumfang.

  1. Modellaufgabe Was muss das Modell entscheiden?
  2. Sichtbare Grenze Welche Geometrie bewahrt sie?
  3. Prüfregel Was geschieht, wenn der Fall unklar ist?
  4. Label-Datei Welches vereinbarte Ergebnis wird abgenommen?

Illustrative example item. The marks shown are the agreed annotation; the mask and the number are read in this tab.

Ausgabegrammatik Klassifikation · Box · Polygon · Keypoints

Was muss die Label-Datei bewahren?

Wählen Sie die Ausgabe nach der Entscheidung, die Ihr Modell treffen muss. Ein Bild, vier Optionen und vier verschiedene Dinge, die in der Datei erhalten bleiben.

  1. 01 · Klassifikation

    Eine Klasse für das ganze Bild.

    Nichts darüber, wo sich das Teil befindet, bleibt erhalten.

    in the file category · one for the whole frame

  2. 02 · Box

    Ausdehnung und Position bleiben erhalten.

    Die gefräste Form nicht.

    in the file bbox · 501, 470, 195, 139

  3. 03 · Polygon

    Die Schnittkontur bleibt erhalten, und die Bohrung wird als eigene Region geführt.

    in the file segmentation · 19 points · the bore its own region

  4. 04 · Keypoints

    Nur benannte Landmarken.

    Hier die drei Punkte der Werkzeugachse. Die gepunktete Kontur ist Kontext zum Lesen, nicht Teil des Labels.

    in the file keypoints · 3 · named landmarks

Quellbild · 1586 × 992 · Illustratives Beispielelement · 3× Anzeigederivat

Grenzfälle Dünne Geometrie · Geringer Kontrast · Verdeckung · Innerer Hohlraum

Schwierige Bilder brauchen ausdrückliche Regeln

Benennen Sie anhand Ihrer Stichprobe die Fälle, die ein Label verändern könnten. Die Richtlinie legt dann fest, was zählt, wann eine Prüfer:in eingreift und welche Fälle in die Schlichtung gehen.

  1. Case 01 · Dünne Geometrie

    Ein Schlauch ist nicht seine Bounding Box.

    Als Pfad mit eigener Breite nachgezeichnet. Eine Box um denselben Schlauch, gestrichelt gezeigt, wäre überwiegend Förderband.

    held hose · a path with its own width · 18 px

    model one point · model · loading

    in the file polyline · width 18

  2. Case 02 · Geringer Kontrast

    Dunkles gefrästes Metall vor einer dunklen Zelle.

    Die Grenze folgt der Silhouette des Werkzeugs, einschließlich der Flanschoberseite, nicht dem Glanzlicht entlang des Schafts.

    held tool · the silhouette, flange top included

    model one point · model · loading

    in the file mask

  3. Case 03 · Verdeckung

    Labeln, was sichtbar ist. Erfassen, was verdeckt ist.

    Der Verlauf endet an der Blockkante. Der verdeckte Teil wird als Flag geführt.

    held hose · visible run to the block edge · occluded: true

    model one point · model · loading

    in the file occluded: true

  4. Case 04 · Innerer Hohlraum

    Die Bohrung gehört zur Szene, nicht zur Halterung.

    Als eigene Region geführt, sodass die Maske des Teils ihre Öffnung behält.

    held bracket · the cut boundary, the bore its own region

    model one point · model · loading

    in the file category: bore

Abnahmemethode model mask · held polygon · guideline v1 · v2

Wie wird die Charge abgenommen?

Vereinbaren Sie die Abnahmeanforderung vor der Produktion. Im Pilotprojekt lässt sich ein beobachtetes Ergebnis daran messen.

guideline
  1. Dünne Geometrie: Pfad mit Breite, nie eine Box.
  2. Geringer Kontrast: Silhouette, nicht das Glanzlicht.
  3. Verdeckung: Nur sichtbare Ausdehnung, verdeckter Verlauf markiert.
  4. interior void: not yet written Die Bohrung gehört zur Szene, nicht zur Halterung. Als eigene Region geführt, sodass die Maske des Teils ihre Öffnung behält.

Agreement, model mask against the held polygon

· IoU

Das Prüfprotokoll für diese Entscheidung · img_0001 · ann_0002

das Modell

Erster Durchlauf
model · three points · loading
Konzept
SAM 3 · "bracket" · 2 found · 0.882 IoU · on the server · 2026-09-09
Konfidenz
·
Eckpunkte
20 held · bore inside · 0 moved

die Prüfer:in

Wer
R-01 · image, polygon
Bewertungsschema
v1 · as written
Grund
·
Entscheidung
·
Zeitpunkt
this example's review
Übersteuerung
none

Dies ist das Protokoll, das für jede Entscheidung geführt wird. Die Prüfer:in sieht das Asset, die Anweisungen und die Nachweise sowie eine pseudonyme Prüferreferenz.

your review · the bore

Jedes Element verlässt die Prüfung in einem von drei Zuständen, entschieden anhand einer Anforderung, die vor der Produktion vereinbart wurde.

  1. Abgenommen Das Element erfüllt die im Projektumfang vereinbarte Anforderung.
  2. Zur Nachbesserung zurückgegeben Das Element geht mit der benannten verletzten Regel zurück, nicht mit einer Punktzahl.
  3. Eskaliert Die Regel selbst hat den Fall nicht entschieden. Er ist weiterhin offen und geht in die Schlichtung.

A reviewer who follows the model's mask here fills in the bore. The interior-void rule keeps the bore its own region.

Die Prüfung kann nutzen Menschliche Verifizierung · Doppelte Annotation · Prüfung durch Fachleute · Übereinstimmungsanalyse · Stichproben · Aufgabenspezifische Quality Gates

The agreed requirement names five things.

  1. 01 Den Annotationstyp und die Geometrie, die er liefern muss. classification · box · polygon · keypoints
  2. 02 Die Regel für jeden schwierigen Fall, den Ihre Daten tatsächlich enthalten. four rules on this frame · small instance floor agreed
  3. 03 Die Prüfmethode, die über ein Element entscheidet, und wer schlichtet. model mask against held polygon · IoU
  4. 04 Die Stichprobe, an der die Anforderung vor der Produktion festgelegt wurde. one agreed sample, fixed before production
  5. 05 Das Ausgabeformat, in dem die Label-Dateien geliefert werden. COCO JSON · absolute in 1586 × 992

Welche davon gelten, wird bei der Abgrenzung Ihres Workloads entschieden. Die ersten vier Zeilen sind die Fälle im Bild oben. Die kleine Instanz steht dabei, weil eine Größenuntergrenze bei der Abgrenzung vereinbart wird, auch wenn das Stichprobenbild, das Sie senden, zufällig keine enthält.

Dateientsprechung COCO JSON · Primäres Artefakt

Die Label-Dateien stehen an erster Stelle

Der Umfang benennt das Ausgabeformat und die Abnahmekriterien für die Label-Dateien. Alles Weitere im Protokoll steht unter dem Vorbehalt dieses Umfangs.

Label record img_0001 · ann_0001

Quellbild
1586 × 992 gesamtes Bild
gezeigte Region
318, 364 560 × 350
Kategorie
1 safety_housing eine Instanz
bbox
501, 470, 195, 139 Schutzgehäuse
Segmentierung
17 Punkte sichtbare Ausdehnung
Keypoint 1
501, 482 oben links
Keypoint 2
694, 479 oben rechts
Keypoint 3
615, 609 vorne unten
guideline
v1, as written
agreement
·
first pass
segmentation · model · loading
concept pass
SAM 3 · "safety housing" · 2 found · 0.938 IoU · server · 2026-09-09
per item
·

Jede Koordinate hier ist absolut im Bild von 1586 × 992, nie in der Ansicht oben. Diese Ansicht beginnt bei 318, 364, daher liegt Keypoint 1 bei 501, 482 183 px rechts und 118 px unterhalb ihrer oberen linken Ecke. Die am Bild abgelesenen Werte sind die Werte in der Datei, und genau diese Entsprechung wird gekauft. Die Kabelverschraubung, die die linke Seite kreuzt, liegt außerhalb des Polygons, daher trägt das Protokoll die sichtbare Ausdehnung und kein angenommenes Rechteck.

Wenn Ihre Prüfung es erfordert, kann derselbe Umfang die relevante Spezifikation, das Prüferprotokoll, das Abnahmeprotokoll, ein Manifest, die Versionshistorie oder das Änderungsprotokoll ergänzen.

Leistungen der Bildannotation 12 items · one frame · six outputs

Die Labels, die Ihr Vision-Modell braucht

Wählen Sie die Ausgabe danach, was Ihr Modell entscheiden muss. YPAI grenzt die Geometrie, die Regeln für die Fälle, die Prüfmethode und das Dateiformat gemeinsam ab.

bbox · safety housing
polygon · bracket + bore
keypoints · tool axis
class · machine-vision cell
bbox · second bracket
agreement · model against held
polyline · hose, width 18
polygon + keypoints · housing
mask · tool
flag · occluded run
concept · brackets from one word
class · conveyor
  1. Objekterkennung

    Lokalisiert jedes Objekt und erhält seine Ausdehnung für die Aufgabe, die das Modell lernt.

    Bounding Boxesorientierte Boxen
  2. Polygone und Segmentierung

    Definiert die Grenzen und Regionen, die die Aufgabe braucht, einschließlich schwieriger Kanten und getrennter Instanzen.

    Polygonesemantische und Instanzmasken
  3. Keypoints und Pose

    Markiert benannte Landmarken und die Struktur, die sie verbindet.

    KeypointsSkelette
  4. Bildklassifikation

    Trifft die Entscheidung auf Bildebene mit den für den Workload vereinbarten Klassen und der Taxonomie.

    Klassenhierarchische Taxonomien
  5. OCR und Dokumentlayout

    Ground Truth für das Lesen von Text und für die Struktur eines Dokuments.

    OCR-Ground-TruthLayout-Annotation
  6. Qualitätsprüfung

    Prüft Labels gegen die Anforderung und entscheidet die Fälle, die eine Person brauchen.

    PrüfungÜbereinstimmungsanalyseSchlichtung

Unser Vorgehen one item · four states

Regeln vereinbaren. Stichprobe kalibrieren. Labels liefern.

Label recordimg_0001 · ann_0001

category
1 safety_housing
bbox
501, 470, 195, 139
segmentation
17 points
keypoints
3 · named
review
R-01 · rubric v1 · NONE · accepted
file
COCO JSON

Menschliche Qualitätssicherung erfolgt gemäß dem vereinbarten Abnahme- und Stichprobenplan. Die freigegebene Übertragung der Stichprobe folgt auf das erste Briefing über einen vereinbarten Kanal.

Entwickelt und betrieben von YPAI Spezifikation · Kontrollen · Annotation und Prüfung · Nachweise · Lieferung

Die Plattform hinter Ihrem Annotationsprojekt

YPAI betreibt eine eigene, maßgeschneiderte Plattform für Datenerfassung und Qualitätssicherung, von Grund auf für die DSGVO gebaut. Spezifikationen und Vereinbarungen der Kunden werden zu ausführbaren Kontrollen über Beschaffung, Erfassung, technische Validierung, Einwilligung, menschliche Prüfung, Rechte, Zusammenstellung des Datensatzes und Lieferung hinweg.

  1. Spezifikation Ihre Anforderung, Ontologie und Abnahmekriterien, wie geschrieben.
  2. Kontrollen In ausführbare Prüfungen für jedes Element umgesetzt.
  3. Annotation und Prüfung Ein erster Durchlauf eines Modells, dann eine benannte Prüfer:in, in der Konsole.
  4. Nachweise Jede Entscheidung gebunden an Prüfer:in, Version des Bewertungsschemas, Grundcode und Zeitpunkt.
  5. Lieferung Label-Dateien und Protokolle, die Ihr Team verifizieren kann.

YPAI review console · rubric v1 · img_0001 · ann_0001 example item

das Modell

Erster Durchlauf
model · one point · loading
Konzept
SAM 3 · "safety housing" · 2 found · 0.938 IoU
Konfidenz
·

die Prüfer:in

Wer
R-01 · image, polygon
Bewertungsschema
v1 · as written
Grund
NONE
Entscheidung
accepted on agreement

People

Prüfung durch Fachleute, mit zugeordneter Verantwortung

Ein von erfahrenen Fachleuten geleiteter, gesteuerter Betrieb aus Lysaker, Norwegen. Ein internes Annotations- und QA-Team verantwortet das Referenzset und die Prüfung; Mitwirkende werden für das Projekt qualifiziert. Für medizinische Modalitäten werden klinische Prüfer:innen vertraglich eingebunden.

Network

210,000+contributors50+countries

Ein Netzwerk von über 210.000 Mitwirkenden in mehr als 50 Ländern unterstützt die projektspezifische Rekrutierung.

Tooling

Die Prüfung läuft in der eigenen Konsole von YPAI. Um sie herum werden die führenden Annotationsplattformen für jedes Projekt als Adapter eingerichtet, darunter selbst gehostetes CVAT und Label Studio, auf den europäischen Annotationsservern von YPAI oder innerhalb Ihres Perimeters für regulierte Bilddaten.

YPAI review consoleCVAT · self-hostedLabel Studio · self-hostedinside your perimeter

Norwegisches Unternehmen, Datenresidenz im EWR als Standard · Datenresidenz, Unterauftragsverarbeiter und Übermittlungskontrollen pro Projekt festgelegt, Standardvertragsklauseln (SCC) verfügbar · Standardbedingungen des Auftragsverarbeitungsvertrags (AVV) nach Artikel 28, Einwilligung je Mitwirkender · Löschung 30 Tage nach Vertragsende · Dokumentation nach Artikel 10 EU AI Act (KI-Verordnung) zur Unterstützung Ihrer Konformitätsbewertung

Ihre Lieferung COCO JSON · Pascal VOC XML · YOLO TXT · individuelles Format, bei der Abgrenzung vereinbart

Dateien, die Ihr Modellteam nutzen und abnehmen kann

Der Umfang benennt das Annotationsschema, das Ausgabeformat und die Abnahmekriterien. Die Label-Datei und ihr Protokoll beschreiben dasselbe Element.

COCO JSON Primäres Artefakt

{
  "images": [{ "id": 1, "width": 1586, "height": 992 }],
  "annotations": [{
    "id": 1, "image_id": 1, "category_id": 1,
    "bbox": [501, 470, 195, 139],
    "segmentation": [[501, 482, 511, 477, 571, 472, 629, 470, 689, 473, 694, 479,
      696, 556, 686, 564, 685, 593, 615, 609, 612, 578, 559, 577, 513, 571,
      542, 564, 547, 545, 536, 533, 501, 536]],
    "keypoints": [501, 482, 2, 694, 479, 2, 615, 609, 2],
    "num_keypoints": 3, "iscrowd": 0,
    "ypai": {
      "first_pass": {
        "model": "edge model",
        "prompt": "one point",
        "ran": "in this tab"
      },
      "concept_pass": {
        "model": "SAM 3",
        "prompt": "safety housing",
        "found": 2,
        "ran": "server",
        "date": "2026-09-09"
      },
      "vertices": {
        "held": 17,
        "moved_by_reviewer": 0
      },
      "review": {
        "reviewer": "R-01",
        "rubric": "v1",
        "reason": "NONE",
        "decision": "accepted",
        "at": "this item"
      }
    }
  }],
  "categories": [{ "id": 1, "name": "safety_housing",
    "keypoints": ["top_left", "top_right", "front_bottom"] }]
}

Der ypai-Block in der Datei trägt das Prüfprotokoll: welche Eckpunkte das Modell gezeichnet hat, welche eine Person verschoben hat und wer entschieden hat. Ihr Schema kann ihn umbenennen.

YPAIDelivery noteimg_0001 · ann_0001 accepted · R-01

Format
COCO JSON
Frame
1586 × 992
Review
R-01 · rubric v1
Date
2026-09-09
Ausgabe
Der vereinbarte Annotationstyp, in den absoluten Koordinaten des Bildes
bbox · 17-point polygon · 3 keypoints
Schema
Ihre Klassen, Geometrie und Ihr Dateiformat
1 category · safety_housing
Prüfung
Die Entscheidung zum Element und das Protokoll dahinter
accepted · NONE · R-01
Protokolle
Spezifikation, Prüfer- und Abnahmeprotokolle, Manifest, Versionshistorie und Änderungsprotokoll, wie im Projektumfang vereinbart
as agreed in scoping

Ebenfalls verfügbar COCO JSONPascal VOC XMLYOLO TXTIndividuelle Ausgabe, bei der Abgrenzung vereinbart

Vom Umfang zur Lieferung Sie senden eine Stichprobe · Eine vereinbarte Stichprobe · Label-Dateien kommen zurück

Von Ihrem Briefing zu abgenommenen Dateien

Nennen Sie uns den Status der Quelldaten, die Modellaufgabe, den benötigten Annotationstyp, das ungefähre Volumen, schwierige Fälle, das Dateiformat, den Anwendungsbereich, den angestrebten Zeitplan und die Abnahmeanforderung. Wenn ein Teil der Spezifikation unklar ist, sagen Sie es.

Senden Sie das Briefing für einen Workload. Wir antworten mit den Fragen, die Ihre Spezifikation offenlässt, und damit, was eine erste vereinbarte Stichprobe vor der Produktion klären müsste.

Nennen Sie den Anwendungsfall, die Klassen oder die Ontologie, die schwierigen Fälle und ein etwaiges bekanntes Abnahmeverfahren.

YPAI verwendet die übermittelten Informationen, um das Briefing zur Bildannotation zu prüfen und zu beantworten. Fügen Sie keine Bilddateien, Zugangsdaten oder privaten Speicherlinks bei. Lesen Sie die Datenschutzerklärung.

Allgemeinen kommerziellen Kontakt nutzen

FAQ

Häufig gestellte Fragen

Welche Bildannotationsaufgaben liefert YPAI?

YPAI liefert 2D-Bounding-Boxes, orientierte (rotierte) Boxen, Polygon- und Instanzsegmentierung, semantische Segmentierung, Keypoint- und Skelettannotation, Bildklassifikation mit hierarchischen Taxonomien, OCR-Ground-Truth und Markup von Dokumentlayouts. Spezialisierte Vertikalen (medizinische Bildgebung auf DICOM, Satelliten- und Luftbilder, Bin-Picking in der Robotik) werden mit Prüfer-Pools geliefert, die für die Modalität rekrutiert wurden.

Welche Bildformate und Speicherziele unterstützt YPAI?

Lieferungen erfolgen in COCO, YOLO, PASCAL VOC, individuellem JSON, GeoJSON für Geodaten und DICOM-segmentierten Overlays für die medizinische Bildgebung. Zu den Speicherzielen gehören AWS S3, Azure Blob, GCP, vom Kunden gehosteter S3-kompatibler Speicher (MinIO, Ceph) und direkte Ablage in eine VPC. Die Übersetzung in individuelle Formate ist Teil der Lieferung.

Kann YPAI medizinische Bilddaten annotieren (DICOM, NIfTI)?

Ja. Medizinische Bildgebung wird von klinischen Prüfer:innen bearbeitet, die für die jeweilige Modalität vertraglich eingebunden sind (Radiologie, Pathologie, Dermatologie). Die Daten werden mit Datenresidenz in der EU unter den Kontrollen für besondere Kategorien nach Artikel 9 DSGVO verarbeitet. Die für ein bestimmtes Projekt geltenden Kontrollen sind in der Leistungsbeschreibung (SOW) dokumentiert.

Wie geht YPAI mit großen Annotationsrückständen um?

Die Kapazität skaliert mit der Rekrutierung von Prüfer:innen. Bei Rückständen von mehreren Millionen Bildern läuft das Projekt in gestaffelten Wellen mit kontinuierlichem IAA-Monitoring, sodass Qualitätsdrift an der Chargengrenze statt erst bei der Lieferung erkannt wird. Active-Learning-Schleifen sind in dieser Größenordnung üblich, um die menschliche Aufmerksamkeit auf die Beispiele mit der geringsten Konfidenz zu lenken.

Welche Übereinstimmung zwischen Annotator:innen berichtet YPAI?

Jede Charge wird mit aufgabengerechter IAA geliefert: Cohens Kappa für Klassifikation, IoU und mAP für Bounding Boxes, Dice für Segmentierung, OKS für Keypoints. Die Zielwerte werden in der Leistungsbeschreibung pro Aufgabe und pro Klasse festgelegt; Klassen unter dem Zielwert lösen eine Neukalibrierung aus, bevor die Hauptarbeit fortgesetzt wird. Der IAA-Bericht wird mit jeder Charge geliefert.

Bietet YPAI Bildannotation mit Active Learning oder Model-in-the-Loop?

Ja. Wo der Kunde ein funktionierendes Basismodell hat, das sich lokal in der EU abfragen lässt, führt YPAI menschliche Prüfung über den Vorhersagen des Modells durch und priorisiert Segmente mit geringer Konfidenz oder hoher Tragweite. Die Schleife speist Chargen für das Nachtraining. Betriebsmuster (synchrone API, asynchrone Batch-Warteschlange, beim Kunden on-premises) werden bei der Abgrenzung vereinbart.

Kann YPAI innerhalb unseres Perimeters für sensible Bilddaten annotieren?

Ja. Für regulierte Projekte in Gesundheitswesen, öffentlichem Sektor und kritischer Infrastruktur, bei denen externe Auftragsverarbeiter nicht akzeptabel sind, können die Annotationswerkzeuge und der Zugang der Prüfer:innen innerhalb des Kundenperimeters laufen (regionale EU-Cloud, On-Premises-Rack, Kunden-VPN). Die konkrete Umsetzbarkeit wird im Abgrenzungsdokument dargelegt, und die Kontrollen werden in den AVV aufgenommen.