Können synthetisch generierte Trainingsdaten KI-Objekterkennungsmodelle verbessern?

Können synthetisch generierte Trainingsdaten KI-Objekterkennungsmodelle verbessern?

Damit sich selbstfahrende Autos sicher im Verkehr bewegen können, müssen sie ihre Umgebung mit Kamera und Sensoren erfassen. Die Auswertung der Bilddaten übernehmen häufig KI-Algorithmen. Bei manchen Wetterbedingungen aber tun sich die Programme schwer, etwa wenn sie bei Nebel andere Autos erkennen sollen. Grund dafür ist, dass es für solche Ausnahmesituationen schlicht zu wenige Trainingsbilder gibt. Um Abhilfe zu schaffen, erzeugte Tom Smee mit einem 3-D-Programm Tausende realistisch wirkende Bilder von Pkws im Nebel und trainierte damit eine KI. Anschließend testete er sein System und stellte fest, dass Algorithmen, die er mit einem Mix aus künstlichen und realen Bildern trainiert hatte, Autos bei Nebel zuverlässiger erkennen als Modelle, die nur mit echten Fotos trainiert wurden.