Spécialiste QA en vision par ordinateur

Dans ce rôle de contractant à l'heure et à distance, vous travaillerez en tant que Spécialiste AQ en vision par ordinateur pour examiner les annotations d'images et de vidéos afin d'en vérifier la qualité, l'exactitude et la conformité aux directives. Vous évaluerez des annotations telles que les boîtes englobantes, les masques de segmentation, les polygones, les points clés, les classes d'objets, les attributs et les pistes vidéo, en identifiant les annotations manquantes, incorrectes, incohérentes ou mal placées.

Vous effectuerez également des corrections si nécessaire, fournirez des commentaires clairs sur les problèmes de qualité et communiquerez les cas ambigus à l'équipe de projet. Ce rôle exige une grande attention aux détails, de la cohérence et la capacité de suivre scrupuleusement des directives détaillées d'annotation en vision par ordinateur.

Ce rôle est proposé par SME Careers, une entreprise de services de données IA en forte croissance et filiale de SuperAnnotate, qui fournit des données d'entraînement pour nombre des plus grandes entreprises d'IA et laboratoires de modèles de fondation au monde. Votre travail d'AQ en vision par ordinateur contribue directement à améliorer les principaux modèles d'IA du monde en garantissant que les données d'entraînement visuelles sont exactes, complètes, cohérentes et conformes aux attentes du projet.

Responsabilités

• Examiner la qualité des annotations : examiner les annotations d'images et de vidéos pour vérifier l'exactitude, l'exhaustivité, la cohérence et le respect des directives du projet.
• Vérifier les résultats des annotations : évaluer les boîtes englobantes, les classes, les attributs, les masques de segmentation, les polygones, les points clés, les étiquettes d'image et les résultats de suivi vidéo.
• Identifier les erreurs d'annotation : repérer les objets manquants, les étiquettes incorrectes, les limites imprécises, le mauvais placement des boîtes, les attributs incohérents, les annotations en double et les cas limites ambigus.
• Effectuer des corrections si nécessaire : corriger les problèmes d'annotation conformément aux instructions spécifiques du projet et aux normes de qualité.
• Fournir des commentaires clairs : documenter clairement les problèmes de qualité afin que les annoteurs ou les équipes de projet comprennent ce qui doit être amélioré.
• Suivre les directives du projet : appliquer de manière cohérente des règles d'annotation détaillées à toutes les tâches, y compris les règles relatives à l'occlusion, la troncature, le flou, les petits objets, les objets qui se chevauchent et les cas ambigus.
• Transmettre les cas ambigus : communiquer les questions ou les exemples incertains à l'équipe de projet pour clarification.
• Maintenir une qualité de travail constante : accomplir de manière fiable le travail d'AQ assigné tout en préservant l'exactitude, la cohérence et la productivité attendue.

Prérequis

• Une expérience préalable en annotation de vision par ordinateur, annotation d'images, annotation de vidéos ou en AQ d'annotation est un atout.
• Expérience dans l'examen ou la création d'annotations telles que des boîtes englobantes, des polygones, des masques de segmentation, des points clés, des classes d'objets, des attributs, la classification d'images ou le suivi d'objets vidéo.
• Forte attention aux détails et capacité à identifier les annotations manquantes, incorrectes, incohérentes, qui se chevauchent, mal étiquetées ou mal placées.
• Aptitude à travailler avec des directives d'annotation détaillées, des règles pour les cas limites, des normes de qualité et des instructions spécifiques au projet.
• Capacité à examiner de manière cohérente des données d'images et de vidéos sur de grands lots tout en maintenant l'exactitude et la vitesse.
• Capacité à effectuer des corrections si nécessaire et à expliquer clairement les erreurs d'annotation.
• Bonne maîtrise professionnelle de l'anglais pour comprendre les directives, poser des questions et fournir des commentaires écrits.
• Capacité à travailler de manière autonome dans un flux de travail à distance facturé à l'heure et à s'engager sur des horaires de travail réguliers selon les besoins du projet.
• Une expérience préalable avec des plateformes d'annotation telles que SuperAnnotate, Labelbox, CVAT, Scale, Appen, Remotasks, Toloka ou des outils similaires est appréciée.