dSPACE auf der Auto.AI Europe 2022

28.-30. September 2022, Berlin

Auto.AI Europe ist die führende technische Veranstaltung zum Thema Deep Learning für automatisierte Fahrzeuge der SAE-Stufen 4 und 5, die mehr als 300 führende Experten und Entscheidungsträger aus den Bereichen maschinelles Lernen, neuronale Netze und Wahrnehmung zusammenbringt.

Nehmen Sie teil und diskutieren Sie mit Ihren Kollegen aus der automobilen KI-Community über Konzepte für selbstüberwachtes und verhaltensbasiertes Lernen, skalierbare Ansätze für maschinelles und verstärkendes Lernen sowie Benchmarking von Wahrnehmungs- und Computer-Vision-Systemen für ADs.

dSPACE stellt seine Hardware- und Software-Produkte vor und Besucher haben die Gelegenheit, sich vor Ort über aktuelle Produktneuheiten zu informieren und mit unseren Experten zu sprechen.

Mehr Informationen: https://www.auto-ai.eu/

Vortrag unseres Kollegen

Dr. Sven Burdorf (Research Engineer Artificial Intelligence, dSPACE)

Datum: 29. September um 11:30 Uhr 

Titel:

Leveraging Simulation Tools for Rare and Unseen Classes in Data Driven Development - Training Deep Learning Object Detectors with Synthetic Data

Zusammenfassung:

Collecting labeled real-world data is a time consuming and expensive task in data-driven development. What makes this task even more difficult is that without a data selection strategy, the collected data will result in an unbalanced data set. Even worse, some classes did not even exist at the time of data collection (e. g. the emergence of e-scooters and cargo bikes in recent years). In our talk, we will show how simulation tools can be used to address these issues by generating synthetic training data tailored to your needs.

Key Takeaways:

  • Training on mixed data sets of real-world and synthetic data reduces the need for labeled real-world data by up to 70%,
  • Enriching the synthetic dataset with instances of an underrepresented class increases object detection performance for this class,
  • Synthetic data in the training data set does not affect the performance for dominant classes,
  • The dSPACE toolchain supports the entire data-driven development process: data collection, data selection, and data enrichment with synthetic data.

Newsletter abonnieren

Abonnieren Sie unsere Newsletter, oder verwalten oder löschen Sie Ihre Abonnements