{"id":2545,"date":"2020-10-27T11:59:08","date_gmt":"2020-10-27T10:59:08","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/stec\/?post_type=projects&p=2545"},"modified":"2023-03-10T13:50:53","modified_gmt":"2023-03-10T12:50:53","slug":"automatisches-pre-labeling-realer-situationen-fuer-autonomes-fahren","status":"publish","type":"projects","link":"https:\/\/s-tec.de\/en\/projekte\/automatisches-pre-labeling-realer-situationen-fuer-autonomes-fahren\/","title":{"rendered":"Automatisches Pre-Labeling realer Situationen f\u00fcr Autonomes Fahren"},"content":{"rendered":"\n\n
\n
\n
\n
\"Automatisches
\u00a9 Fraunhofer IPA<\/figcaption><\/figure>\n<\/div><\/div>\n\n\n\n

Ausgangssituation<\/h4>\n\n\n\n

F\u00fcr Messfahrten, welche zu Datenerfassungstests f\u00fcr Sensor-Erprobungen durchgef\u00fchrt werden, ben\u00f6tigt man den Kontext bzw. ein Label f\u00fcr die erfassten Szenen. Dieser Labelingprozess ist \u00e4u\u00dferst aufwendig, da hier zugrundeliegende Datens\u00e4tze meist in der Gr\u00f6\u00dfenordnung von Zehntausenden liegen. Gleichzeitig sind auch die Kosten f\u00fcr manuelles Labeling hoch. Eine weitere Schwierigkeit liegt darin, dass die Daten und deren zugeh\u00f6rige Labels sehr aufgabenspezifisch sind. Obwohl die Anwendung von Transferlernen eine Option ist, sind immer noch gro\u00dfe Datenmengen n\u00f6tig.<\/p>\n\n\n\n

<\/p>\n\n\n\n

L\u00f6sungsidee<\/h4>\n\n\n\n

Um den Labelingprozess zeit- und kostentechnisch effizienter zu gestalten, soll ein automatisches Pre-Labeling-System realer Situationen f\u00fcr autonomes Fahren entwickelt werden, welches in der Lage ist, eine Voreinteilung der aufgenommenen Daten vorzunehmen. Auf Basis von \u00f6ffentlich verf\u00fcgbaren, bereits gelabelten Bildern aus dem Internet sollen Modelle der K\u00fcnstlichen Intelligenz (KI)<\/a> trainiert werden, mit welchen sich zuverl\u00e4ssige Ergebnisse f\u00fcr das Labeling von bestimmten Situationen bzw. Objekten, wie z.B. Br\u00fccken, erzielen lassen.<\/p>\n\n\n\n

<\/p>\n\n\n\n

Projektnutzen<\/h4>\n\n\n\n