事例/Trafflytic
普通のカメラ映像からの車種分類カウント
道路クルーなしの交通調査: 市やコンサルタントがすでに持つ映像からの乗用車、バス、トラック、右左折。
- クライアント
- Trafflytic
- 所在地
- アメリカ合衆国
- 年
- 2025
AI · Web
info@lyrocode.com
入力
映像
出力
分類カウント
年
2025
仕事からの写真
プロダクトに合う写真 — 建物、フロア、服、道路 — ノートPCを指差す人のストックではありません。
仕事
コンサルタントと市は、今も人を交差点に座らせてクリッカーを持たせます。映像はすでに存在することが多いです。必要だったのは分類カウント — 軽車両、大型、バス — と右左折、デモリールではなく PDF に載せられるレポートです。
天候、夜間、変なカメラ角度は素朴な検出器を壊します。プロダクトは使えないクリップを数字にせず、使えないと言わなければなりません。
作ったもの
アップロードまたは RTSP を入れ、分類カウントを出します。車種と交差点の動きを学習し、Web アプリで包みました。ジョブ、クリップ、QA、書き出し。信頼度とカバレッジは数字の横に置きます。
エンジニアリングはモデルと、その周りの地味な部分です — クリップ長、時間帯分割、交通計画者がすでに開ける CSV。
着地点
縁石のクルーを意味していた調査が、映像から始められます。クライアントは数字の作り方の跡付きで、車種と右左折のカウントを得ます。悪い映像は水増しではなく、フラグされます。
- 映像からの車種分類
- 右左折と時間分割のカウント
- ジョブキュー、QA、CSV/PDF 書き出し
- すべてのクリップのカバレッジと信頼度
スタック
出荷に使ったもの — このプロダクトのために選んだのであって、スライドのためではありません。
Python
TensorFlow
FastAPI
React
Next.js
PostgreSQL
AWS
Docker
“必要なときは今も現地カウントをします。残りは映像を上げて、車種と右左折を得ます。クリップがゴミなら、プロダクトがそう言います — それで信頼しました。”
