課題

先進運転支援システム(ADAS)や自動運転(AD)は、交通標識を正確に検出して分類する認識モデルに依存しています。このような認識モデルの訓練には、正確にラベル付けされた膨大な量のデータが必要です。

交通標識の外観、照度、天候、オクルージョンの有無は、運行設計領域(ODD)や個々の走行状況によって大きく異なるため、このようなデータを収集することは困難です。

なぜ交通標識データセットなのか?

Applied Intuitionの交通標識データセットは、交通標識の検出と分類のためのMLモデルの開発を効率化します。希少なクラスのパフォーマンスを向上させ、モデルの導入時間と開発コストを大幅に削減し、ISA規制へのコンプライアンスを確保します。

メリット

実データ収集の削減

実データの収集とラベリングを削減するために、合成データで高性能MLモデルをトレーニングできます。

カバレッジの拡大

合成画像を利用して、エッジケースに対処し、データの希少性の問題を解決し、新しい仕向国や地域へのカバレッジを拡大できます。

より早くサイクルを回す

テストや本番で障害が発生した場合、データ収集やラベリングを待つのではなく、すぐに新しい訓練用データセットを取得できます。

主要コンポーネント

センサーモデル

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。

グラウンド トゥルース

業界標準フォーマットの誤りを含まないグランド トゥルースラベル。

ドメイン ギャップへの対処

シミュレーションと実世界のドメインギャップを低減し、緩和する独自先端技術。

バリエーション

手続き的に生成された何千もの標識面や支柱。

多様性

多様性を最大化し、モデルのロバスト性を確保するために、異なる環境と天候。

グローバルなカバレッジ

アメリカ、カナダ、ヨーロッパ、日本、中国、韓国といった地域を含む。

実世界のデータの必要性を90%削減

Applied Intuitionの認識チームは、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調査する研究を実施しました。
ケーススタディを読む

規制要件を満たす

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)で義務付けられています。Applied Intuitionの交通標識データセットを含む合成データセットは、正確な交通標識の検出と認識能力を備えたISA対応システムの開発を加速し、実世界のラベル付きデータへの依存を低減します。

交通標識データセットを使用してみる

データサンプルをリクエストいただき、交通標識データセットがADASとADのためのMLトレーニングをどのように加速できるかをご確認ください。