Ihre KI-Daten-Pipeline
Wir bieten Ihnen die Werkzeuge und das Know-how, damit Sie das Beste aus Ihren KI-basierten Lösungen herausholen können. Gute Modelle erfordern gute Trainingsdaten. Gemeinsam mit unseren Partnern bietet dSPACE alle Werkzeuge und Services, die Sie für Ihre Daten-Pipeline benötigen. Erfassen Sie neue Daten mit AUTERA und RTMaps, annotieren Sie die Daten mit dem UAI Annotator und verwalten Sie die Daten in IVS. Dieser Prozess geht Hand in Hand mit unseren Werkzeugen zur Erzeugung beliebiger Verkehrssituationen, zum Beispiel mit unserer Szenariengenerierung aus Messdaten, und reicht bis zur Generierung zusätzlicher Trainingsdaten aus diesen Szenarien mit der dSPACE Lösung für sensorrealistische Simulation.
Wie viele Sensordaten werden in der Praxis benötigt?
dSPACE hat eine Studie durchgeführt, um das Training von neuronalen Netzen mit synthetischen Sensordaten für reale Anwendungen zu untersuchen. Ziel der Studie war es, zu quantifizieren, um wie viel Daten aus der realen Welt reduziert werden können, wenn ein gemischter Datensatz aus synthetischen und realen Daten verwendet wird. Durch die Modellierung des Verhältnisses zwischen der Anzahl der Trainingsbeispiele und der Erkennungsleistung mit Hilfe eines einfachen Potenzgesetzes wurde festgestellt, dass die Menge der benötigten realen Daten um bis zu 70 % reduziert werden kann, ohne die Erkennungsleistung zu beeinträchtigen. Insbesondere das Training von Objekterkennungsnetzen wird verbessert, indem der gemischte Datensatz mit Klassen angereichert wird, die im realen Datensatz unterrepräsentiert sind. Die Ergebnisse zeigen, dass gemischte Datensätze mit Anteilen an realen Daten zwischen 5 % und 20 % den Bedarf an realen Daten am stärksten reduzieren, ohne die Erkennungsleistung zu verringern.
Die sensorrealistische Simulation ist ein wertvolles Werkzeug, um auf einfache Weise zusätzliche Trainingsdaten für neuronale Netze zu erzeugen, insbesondere um seltene Klassen und Szenarien in den Datensatz aufzunehmen.
