AI 데이터 파이프라인
당사는 AI 기반 솔루션을 최대한 활용할 수 있는 도구와 노하우를 제공합니다. 좋은 모델에는 좋은 훈련 데이터가 필요합니다. dSPACE는 파트너와 함께 데이터 파이프라인에 필요한 모든 도구와 서비스를 제공합니다. AUTERA 및 RTMaps로 새로운 데이터를 수집하고, UAI Annotator로 데이터에 주석을 달고, IVS에서 데이터를 관리하십시오. 이 프로세스는 예를 들어 측정에서 시나리오 생성을 사용하여 임의의 트래픽 상황을 생성하고 마지막으로 사실적인 센서 시뮬레이션을 위한 dSPACE 솔루션을 사용하여 이러한 시나리오에서 추가 교육 데이터를 생성하기 위한 도구와 함께 진행됩니다.
실제 센서 데이터는 얼마나 필요할까요?
dSPACE는 애플리케이션을 위한 합성 센서 데이터로 신경망 학습을 조사하는 연구를 수행했습니다. 이 연구의 목표는 합성 데이터와 실제 데이터가 혼합된 데이터 세트를 사용할 때 실제 데이터를 얼마나 줄일 수 있는지 정량화하는 것이었습니다. 간단한 거듭제곱 법칙을 사용하여 학습 예제 수와 인식 성능 간의 관계를 모델링한 결과, 인식 성능에 영향을 주지 않으면서도 필요한 실제 데이터의 양을 최대 70%까지 줄일 수 있다는 사실을 발견했습니다. 특히 실제 데이터 세트에 잘 나타나지 않는 클래스로 혼합 데이터 세트를 보강함으로써 객체 인식 네트워크의 학습을 개선할 수 있습니다. 그 결과, 실제 데이터 비율이 5%에서 20% 사이인 혼합 데이터 세트가 인식 성능을 저하시키지 않으면서 실제 데이터의 필요성을 가장 많이 줄이는 것으로 나타났습니다.
