SynCity - Syntetisk data för träning av djupa neuronnät

Diarienummer 2017-03079
Koordinator Linköpings universitet - Department of Science and Technology
Bidrag från Vinnova 500 000 kronor
Projektets löptid oktober 2017 - juni 2018
Status Beslutat
Utlysning Maskininlärning - FFI
Ansökningsomgång Maskininlärning för fordonsindustrin - FFI

Syfte och mål

Deep learning och djupa neuronnät löser många av de datorseende-problem som återfinns inom tillämpningar för autonoma fordon och säkerhetssystem bättre än traditionella algoritmer. En stor utmaning ligger dock i bristen på tillgänglig träningsdata och svårigheten det innebär att samla in eller generera noggrann data med tillhörande referens-annoteringar i den skala som krävs för industriella tillämpningar. Projektet har som mål att utveckla nya metoder för att generera syntetisk data för träning av djupa neuronnät för tillämpningar inom datorseende för autonoma fordon.

Förväntade effekter och resultat

Projektet kommer att använda foto-realistisk bildsyntes och sensorsimulering för att generera syntetisk träningsdata med noggranna referens-annoteringar. Vi kommer att undersöka hur noggrannhet och realism i den syntetiska datan påverkar träning av djupa neuronnät och undersöka hur domän-skiftet mellan syntetisk och verklig träningsdata kan minimeras med foto-realistisk bildsyntes. Baserat på de teoretiska resultaten kommer projektet att bygga upp ett öppet dataset med syntetisk träningsdata anpassat för tillämpningar inom autonoma fordon och säkerhetssystem.

Planerat upplägg och genomförande

Projektet kommer att drivas iterativt där utveckling av metoderna för generering av data kontinuerligt testas genom att bilddata med tillhörande annoteringar används för att träna olika arkitekturer av neutrala nät. Semantisk segmentering kommer att användas som den huvudsakliga tillämpningen för att utvärdera noggrannhet och effektivitet hos de tränade näten. Utvärderingen som undersöker både sammansättning av klasser i datasetet och noggrannheten i bildsyntesen kommer att ligga till grund för utvecklingen av det öppna dataset som kommer att tas fram inom projektet.

Texten på denna sida har projektgruppen själv formulerat och innehållet är ej granskat av våra redaktörer.