QUIXZOOM

AI-Powered Field Intelligence Network

10K
Mål: Observationer
1K
Mål: Unika objekt
95%
Mål: Korrekt identifierade
90%
Mål: Auto-godkända

🚀 Tre-fas AI-strategi

1
Cloud Vision Bootstrap
Google Cloud Vision för snabb start — automatiskt föreslå annotationer, bygga gold dataset, validera UIOS-pipelinen
2
Eget Dataset
27,000+ verifierade observationer från Bangkok, Torrevieja, Stockholm, Nacka, Tyresö, Haninge
3
Egen Modell (Ensemble)
YOLOv11 + Grounding DINO + SAM2 + OCR + Object Identity — specialiserade modeller för olika delar av pipelinen

📊 Infrastructure Vocabulary

50 objekt i 7 kategorier — alla modeller tränas mot samma vokabulär:

Kategori Antal Exempel
Lighting 6 street_lamp, traffic_light
Road 10 pothole, manhole_cover, crosswalk
Utility 6 electrical_cabinet, fire_hydrant
Traffic 8 stop_sign, speed_sign, barrier
Vegetation 6 tree, bush, hedge
Furniture 7 bench, trash_can, bike_rack
Buildings 7 facade, window, roof

🌍 Gold Routes

Verifierad datainsamling från flera städer:

🇹🇭
Bangkok
Sukhumvit Soi 1-20
🇪🇸
Torrevieja
Costa Blanca
🇸🇪
Stockholm
+ Nacka, Tyresö, Haninge

📈 Benchmark

Jämför modeller på samma data:

Modell Kostnad/bild Latens Status
Cloud Vision $0.0015 ~250ms 🟡 Väntar på nyckel
YOLOv8 $0 ~100ms 🔴 0 detektioner
Grounding DINO $0 ~500ms 🔴 CUDA-fel
Egen modell $0 ~50ms 🔴 Ej tränad
Execution Plan AI-arkitektur Vokabulär

QUIXZOOM — Field Intelligence Network

En del av LandveX Infrastructure Intelligence

Senast uppdaterad: 2026-06-29