Fraunhofer-Institut für Graphische Datenverarbeitung IGD
Unsere Technologie reduziert den Datenbedarf für das Training von KI-Modellen in Computer Vision-Aufgaben durch den Einsatz von Rendering, Simulation, Modellierung, selbst- und unbeaufsichtigtem Lernen sowie statistischen Ansätzen und erzielt mit minimalen Daten wettbewerbsfähige Ergebnisse, wodurch der Bedarf an manueller Kennzeichnung verringert wird.
Das Training aktueller KI-Modelle erfordert eine große Menge an Daten. Unsere Technologie reduziert den benötigten Umfang und die Qualität der Daten drastisch, um moderne Netzwerke für Computer Vision-Aufgaben wie Klassifikation, Erkennung, Segmentierung und Objektpose-Schätzung zu trainieren. Wir kombinieren Rendering, Simulation, Modellierung, selbst- und unbeaufsichtigtes Lernen sowie statistische Ansätze, um wettbewerbsfähige Ergebnisse mit sehr wenigen Daten zu erzielen. Darüber hinaus können wir den Aufwand für manuelle Kennzeichnung erheblich reduzieren – in den meisten Fällen ist keine manuelle Kennzeichnung erforderlich.
