交通標識の検出と分類を効率的に開発

Applied IntuitionのTraffic Sign Datasetsは、機械学習(ML)モデルのトレーニング用に、多様で物理的に正確、かつピクセル単位で完全にラベリングされた交通標識の画像を提供します。希少な交通標識クラスのパフォーマンスを向上させ、先進運転支援システム(ADAS)を自信を持って開発することを可能とし、導入時間とデータコストを大幅に削減します。

実世界のデータ要件を90%削減しながら、パフォーマンスを向上させます。

Applied のパーセプションチームは、合成データが交通標識の分類性能向上にどのように役立つかを検証する研究を行いました

ケーススタディを読む

主な特徴

検証されたハードウェア固有のセンサーモデルで生成された物理的に正確な合成データ
業界標準フォーマットのエラーフリーグラウンドトゥルースラベル
シミュレーションとリアルのドメインギャップを低減・緩和する独自の最先端技術
プロシージャルに生成された数千の標識面や支柱のバリエーション
多様な環境と天候をサポートすることで多様性を最大化し、モデルのロバスト性を確保
全世界をカバー(地域は米国、カナダ、欧州、日本、中国、韓国などを含む)

新たな規制要件への対応

インテリジェントスピードアシスタンス(ISA)は、欧州連合(EU)の一般安全規則(GSR)で義務化されています。Applied のTraffic Sign Datasetsを含む合成データセットは、交通標識の正確な検出と認識能力を備えたISAシステムの開発を加速し、実画像に対するラベル付きデータへの依存度を下げるのに役立ちます。

交通標識の検出と分類のためのモデルを、迅速かつ低コストでトレーニングし、展開できます。

システム性能の向上

合成画像を活用してエッジケースに対処し、データの疎密問題をターゲットにし、クラスの不均衡を解決する。

コスト削減

合成データで高性能なMLモデルを学習させ、実データの収集やラベリング作業を軽減します。

開発サイクルの短縮化

テストや本番で障害が発生した場合、収集やラベル付けを待たずに、すぐに新しいトレーニングデータセットを取得できます。