详细内容或原文请订阅后点击阅览
高质量的训练数据为高性能自动驾驶汽车提供动力
在过去十年或更短的时间里，你遇到的每一家汽车制造商都对自动驾驶汽车涌入市场的前景感到兴奋。虽然一些大型汽车制造商已经推出了可以在高速公路上自动驾驶的“非自动驾驶”汽车（当然，驾驶员会不断监视），但自动驾驶技术并没有像专家们认为的那样实现。在 […]
来源:Shaip 博客在过去十年或更短的时间里，你遇到的每一家汽车制造商都对自动驾驶汽车涌入市场的前景感到兴奋。虽然一些主要的汽车制造商已经推出了可以在高速公路上自动驾驶的“非完全自动驾驶”汽车（当然，需要驾驶员的持续监视），但自动驾驶技术并没有像专家们认为的那样出现。
2019 年，全球约有 3100 万辆自动驾驶汽车（一定程度的自动驾驶）投入运营。预计到 2024 年，这一数字将增长到 5400 万辆。趋势显示，尽管 2020 年下降了 3%，但市场仍可能增长 60%。
3100 万虽然自动驾驶汽车的推出时间可能比预期晚得多的原因有很多，但一个主要原因是缺乏数量、多样性和验证方面的高质量训练数据。但为什么训练数据对自动驾驶汽车开发很重要呢？
自动驾驶汽车训练数据的重要性
自动驾驶汽车比任何其他 AI 应用都更以数据为导向，更依赖数据。自动驾驶汽车系统的质量在很大程度上取决于所用训练数据的类型、数量和多样性。
自动驾驶汽车为了确保自动驾驶汽车能够在有限的或没有人类互动的情况下行驶，它们必须理解、识别并与街道上的实时刺激互动。为此，多个神经网络必须与从传感器收集的数据进行交互和处理，以实现安全导航。
神经网络如何为自动驾驶汽车获取训练数据？
可靠的 AV 系统针对车辆可能实时遇到的每一种可能场景进行训练。它必须准备好识别物体并考虑环境变量以产生准确的车辆行为。但收集如此大量的数据集以准确处理每个极端情况是一项挑战。
多家顶尖公司提供不同图像和视频注释格式的训练数据集，开发人员可以使用这些数据集开发 AI 模型。