理解加速自动驾驶汽车的图像注释

无人驾驶汽车必须准确地感知周围环境才能安全行驶。使用大量的图像和视频记录来训练相应的算法。必须标记单个图像元素（例如树，行人或路标），算法才能对其进行识别。 理解正在努力改善和加速此标签。

理解 由计算机科学家菲利普·凯斯勒（Philip Kessler）和马克·曼格勒（Marc Mengler）于2017年创立，菲利普·凯斯勒曾在卡尔斯鲁厄理工学院（KIT）学习。

凯斯勒说：“一种算法是通过实例学习的，存在的实例越多，它的学习效果就越好。”因此，汽车行业需要大量视频和图像数据来训练用于自动驾驶的机器学习。到目前为止，这些图像中的大多数对象已由工作人员手动标记。

“特斯拉等大公司为此目的在尼日利亚或印度雇用了数千名工人，” Kessler explained. “该过程麻烦且耗时。”

加快对理解.ai的培训

“我们明白，我使用人工智能使贴标速度提高了10倍，而且更加精确。”他补充说。尽管图像处理是高度自动化的，但最终的质量控制还是由人来完成的。凯斯勒（Kessler）指出“技术和人文关怀的结合对于诸如自动驾驶等对安全至关重要的活动尤其重要。”

图像和视频文件中的标签（也称为注释）必须与实际环境一致，且像素级精度。处理后的图像数据的质量越好，使用该数据进行运算的算法就越好 训练.

凯斯勒说：“由于不能在所有情况下（例如事故）都提供训练图像，因此我们现在还提供了基于真实数据的模拟。”

尽管谅解专注于自动驾驶，但它还计划在将来处理图像数据，以用于训练算法以检测肿瘤或评估航空照片。初创公司包括德国和美国的领先汽车制造商和供应商’s clients.

该公司的总部位于德国卡尔斯鲁厄，其50多名员工中的一些人在柏林和旧金山的办公室工作。去年，谅解.ai从一群私人投资者那里获得了280万美元的资金。

主题演讲 | 讲者 | 参展商 | 寄存器

对初创企业和合作伙伴关系产生兴趣

2012年，凯斯勒（Kessler）开始学习 KIT的信息学在KITCar学生小组开发自动驾驶模型汽车时，他对AI和自动驾驶产生了兴趣。凯斯勒（Kessler）表示，他在硅谷梅塞德斯研究中心（Mercedes 研究）的一年任职期间，他专注于机器学习和数据分析，这“极大地激发了”建立自己的业务的动力。

“在最短的时间内，您没有比初创公司更多的了解，”26岁的凯斯勒（Kessler）说。“最近，大公司对与初创公司合作的兴趣大大增加。”

他说，他认为德国梦游了第一波AI，主要用于娱乐设备和消费产品。

凯斯勒声称：“在第二波将人工智能应用于工业和技术的浪潮中，德国将能够发挥其潜力。”