產(chǎn)品詳情


DTSD532 豐鎮(zhèn)第三中學(xué)項(xiàng)目
而且,由于當(dāng)前激光雷達(dá)上車較少且位置差異較大,目前業(yè)內(nèi)還是以視覺數(shù)據(jù)為主進(jìn)行三維重建 在BEV空間下標(biāo)注時(shí),為了提升標(biāo)注效率和標(biāo)注精度,也會(huì)先用云端真值系統(tǒng)自動(dòng)標(biāo)注做預(yù)處理,完成后再人工進(jìn)行校驗(yàn),使真值的精度達(dá)到近似人類駕駛員能達(dá)到的精度


02增加訓(xùn)練數(shù)據(jù)量 影子模式下,車端會(huì)設(shè)置很多觸發(fā)器(trigger)的策略,采集有價(jià)值的數(shù)據(jù)回傳到云端 在云端進(jìn)行數(shù)據(jù)挖掘后,找到有價(jià)值的corner case,然后重新去做真值生成,并通過數(shù)據(jù)驅(qū)動(dòng)對(duì)車端網(wǎng)絡(luò)進(jìn)行訓(xùn)練迭代

毫無疑問,訓(xùn)練數(shù)據(jù)所覆蓋的場(chǎng)景越多,車端模型的泛化能力越強(qiáng),感知精度也越高 相比于訓(xùn)練數(shù)據(jù)的數(shù)量,更重要的是數(shù)據(jù)的質(zhì)量,也就是數(shù)據(jù)需要覆蓋更多的極端場(chǎng)景,如不同的城市道路、不同的光照條件等 除了車端影子模式獲取數(shù)據(jù)和自建采集車隊(duì)外,還有一種更高效地獲取數(shù)據(jù)的方法,那就是去年特斯拉AI Day提出來的通過仿真獲取數(shù)據(jù)


具體可查看如下視頻: bilibilivideoBV1my4y1V7Eg?vd_source1f17357e9aa3f01b67f739c3d88ab989


