Navigationsweiche Anfang

Navigationsweiche Ende

Aktuelles

  • Datensätze für das Tracking von OOD-Objekten auf der Straße
    [mehr]
  • A-Eye: Fahren mit den Augen der KI
    [mehr]
  • UQGAN: A Unified Model for Uncertainty Quantification of Deep Classifiers trained via Conditional GANs
    [mehr]
  • Entropie Maximierung und Meta Klassifikation zur Erkennung von unbekannten Objekten in der semantischen Segmentierung
    [mehr]
  • Berufspraxiskolloquium – Ein Ausflug in die Optimierung
    [mehr]
zum Archiv ->

Datensätze für das Tracking von OOD-Objekten auf der Straße

Objekte werden als Out-Of-Distribution (OOD) bezeichnet, wenn sie einer KI unbekannt sind. Solche Objekte lassen sich nicht eindeutig einer vorgegebenen Kategorie zuordnen. Aus diesem Grund stellt die Erkennung solcher OOD-Objekte eine große Herausforderung bei der Entwicklung von KI-Algorithmen dar und ist sicherheitstechnisch hochrelevant im Bereich des automatisierten Fahrens. Hierbei können Fehler bei der Wahrnehmung von Verkehrssituationen fatale Konsequenzen nach sich führen. Deshalb sollten OOD-Objekte möglichst früh erkannt und für die Dauer ihres Auftretens verfolgt werden. Um die Robustheit von KI-Algorithmen bei der Erkennung und Verfolgung (engl: Tracking) von OOD-Objekte zu testen, werden Datensätze mit Videosequenzen und OOD-Objekten benötigt. Zu diesem Zweck wurden Videosequenzen mit OOD-Objekten auf der Straße als Hindernisse aufgenommen. Die Videos beinhalten sowohl synthetisch erzeugte als auch reale Sequenzen. Die Videos zeigen eine Vielzahl von potentiell gefährlichen Straßensituation in der Welt der Fahrsimulationssoftware CARLA und in Wuppertal. Diese Daten sind neuartig für die Weiterentwicklung von KI-Algorithmen und ermöglichen Forschung zu der neuen Aufgabe des OOD Tracking.