Synthia虚拟训练场将在质量上改变训练AI机器人的有效性

遗憾的是，可以肯定的是，目前几乎所有领先的汽车制造商都在开发机器人汽车，但他们仍无法表现出自信的实践技能来控制道路状况，并且常常会迷失方向，甚至违反任何逻辑，从而增加了可能性事故但是，最初的自动驾驶汽车是人类驾驶汽车的替代产品，其目的是最大程度地减少道路交通事故的发生率。巴塞罗那计算机视觉中心的专家提供了他们独创的解决方案，他们为模拟真实情况的学习机器AI创建了一个独特的虚拟训练场，用于学习机器AI，这将改善并提高机器人神经网络学习过程的效率。



毫无疑问，随着控制机器人车辆的AI系统的改进和培训，后者将展示出更加自信和安全的驾驶体验。为了加速“后备驾驶”概念完全失去意义的一天，巴塞罗那计算机视觉中心的团队建议他们创建Synthia城市基础设施的虚拟模型。

Synthia培训平台的主要目标是模拟真实的城市基础设施的过程，目的是在获得人工智能的能力的过程中，加快人工智能系统的培训，以使其能够识别障碍物，即时导航并在各种天气情况下（包括雨，雾，雪和冰）在各种不可预见的情况下做出决策。

如您所知，在训练神经网络过程中，“进食”的主要材料是在现实世界中获得的图像和视频库。通过分析图像，神经网络学会识别，关联和分类各种类别的对象，例如：其他汽车和车辆，道路标志，标志，行人等。系统使用可用的数据库，实时解释来自摄像头的信息和传感器，根据特定的交通情况做出最终决定，以执行制动，变道，加速，转弯或其他操作。



在高速公路或其他直线路上行驶时，人工智能系统在处理数据方面没有问题。在可见性有限的城市中，在存在许多交叉路口和街道交叉口等情况下，复杂性水平会增加很多倍。另一方面，馈送到神经网络的所有图像和视频必须在图像中具有对单个对象的注释和标记，并且必须手动编写此类注释。为了想象完成的工作量，足以举一个戴姆勒专家的例子，在实施CityScapes项目期间，戴姆勒专家必须对将近20,000张图像进行注释，这些图像分为30个单独的类。

特斯拉自动驾驶软件公司Mobileye手动雇用了600名全职图像处理专家，到今年年底，他们的人数必须增加到1000名。Synthia培训平台（图像和城市情景注释的综合集合）已经开发由巴塞罗那的德国罗斯（German Ros）领导的专家团队为解决这一令人不舒服的问题提供了一种优雅的解决方案。



Synthia被视为具有已分类物体参与的视频游戏，能够模拟许多情况，包括AI在现实生活中不太可能遇到的不太可能的情况。

使用Unity游戏引擎，您可以创建逼真的城市环境模型，并自发地填充虚拟生活：行人，骑自行车的人，正确和不正确的停放的汽车等无法预测的行为。该程序的功能之一是能够考虑各种气象条件，变化来模拟各种情况在虚拟环境中，研究人员放置了具有固定摄像头方向的虚拟汽车，并为此创造了机会独立地在虚拟城市中移动，捕捉图片和视频中发生的事情。因此，从高质量的真实图片和视频中获得了无可挑剔的注释的人工数据库。在下一阶段，可以将获得的数据馈送到神经网络进行训练。

迄今为止，由计算机视觉中心的专家创建的数据库已经包含了约213,000张图像和视频。同时，根据特定情况对所有图片进行分类，并以最大逼近来模仿真实图片。 Synthia系统的首次现场试验显示了令人印象深刻的结果和高效的方法。



通过使用八种不同的神经网络算法分析学习过程，这些算法被提供了低质量的图像（分辨率为240,180像素），专家得出的结论是，将一些“合成”图像添加到真实图像数据库中将显着提高对象识别的准确性11 45％至55％的不同班级。该软件的商业版本使用高分辨率图像，其开发工作正在由Hermann Rosa团队进行，这将进一步提高培训系统的效率。

如今，Synthia生产和积累的所有数据都可以根据“非商业用途”许可免费提供给公众使用。这样做是为了与利益相关者和组织建立反馈，推广产品并找到改善平台的新方法。并且，Robomobiles Synthia开发人员的创建者建议创建适当版本的培训平台，同时考虑到摄像头和虚拟汽车的其他传感器的独特配置，并与所创建汽车的摄像头和传感器的配置完全一致。


_主要来源

---

如此，您便可以轻松选择复杂的Dronk.Ru设备  。不要忘记订阅我们的  博客，会有更多有趣的事情...

- ?	8% AliExpres -	— - Aliexpress

Source: https://habr.com/ru/post/zh-CN395257/