人工智能数据管道
我们提供工具、知识和技巧，帮助您充分利用基于人工智能的解决方案。好模型需要适用的训练数据。dSPACE与我们的合作伙伴通力协作，为您提供数据管道所需的所有工具和服务。通过AUTERA和RTMaps收集新数据，使用UAI Annotator标注数据，在IVS中管理数据。在进行这个过程的同时，我们可以利用相关工具创建任意的交通状况，例如，通过使用Measurement中Scenario Generation，最后使用dSPACE解决方案生成额外的训练数据，用于传感器真实仿真。
需要多少真实传感器数据？
dSPACE进行了一项研究，调查使用合成传感器数据进行神经网络训练的实际应用。该研究的目标是将使用合成数据和真实数据的混合数据集可以减少的真实数据量量化。该研究使用简单的幂律对训练样例数量与识别性能之间的关系进行建模。研究发现在不影响识别性能的情况下，所需的真实数据量可以减少70%。特别是使用真实数据集中代表性不足的类别来丰富混合数据集，改进目标识别网络的训练。结果表明，在不削弱识别性能的情况下，真实数据比例在5%到20%之间的混合数据集可最大程度减少对真实数据的需求。
