Jeux de données thermiques FLIR pour l’entraînement à l’algorithme
Les ensembles de données thermiques de démarrage FLIR permettent aux développeurs de commencer à former les réseaux neuronaux convolutifs (CNN), permettant à la communauté automobile de créer la prochaine génération de systèmes ADAS et de véhicules sans conducteur plus sûrs et plus efficaces à l’aide de caméras thermiques rentables de FLIR.
Options d’ensemble de données régionales
FLIR propose deux ensembles de données thermiques pour permettre aux chercheurs et aux développeurs d’accélérer les tests localisés des capteurs thermiques sur les systèmes de conduite autonome. Des villes supplémentaires seront ajoutées.
| Jeu de données de démarrage GRATUIT | Jeu de données amélioré à San Francisco | Jeu de données UE amélioré | |
|---|---|---|---|
| Images annotées | ~14 000 | ~10 000 | ~14 000 |
| Météo | Soleil et nuage | Soleil, nuage, pluie et brouillard | Clair, couvert, partiellement nuageux, pluvieux |
| Cours | 5 - Voiture, vélo, personne, chien et autre véhicule | 11 - Voiture, panneau, lumière, personnes, camion, bus, hydrant, vélo, cycliste, moto et train | 10 - Vélo, bus, voiture, hydrant, lumière, moto, personne, panneau, camion, autres véhicules |
Jeu de données ADAS thermique amélioré de San Francisco
Jeu de données thermiques amélioré UE
Pourquoi utiliser FLIR Thermal Sensing pour ADAS ?
La capacité à détecter le rayonnement infrarouge thermique, ou la chaleur, dans le contexte de l’ADAS offre des avantages à la fois complémentaires et distincts aux technologies de capteurs existantes telles que les caméras visibles, les systèmes radar et lidar :
- Avec plus de 15 ans d’expérience à travailler avec Veoneer pour fabriquer la seule caméra thermique qualifiée pour l’automobile, les capteurs thermiques de FLIR sont déployés dans plus de 600 000 voitures aujourd’hui pour les systèmes d’avertissement des conducteurs.
- Les caméras thermiques FLIR peuvent être utilisées pour détecter et classer les objets dans des conditions difficiles, y compris l’obscurité totale, le brouillard, la fumée, les intempéries et l’éblouissement, fournissant un ensemble de données supplémentaire au-delà du LiDAR, du radar et des caméras visibles.
- Lorsqu’elles sont combinées aux données de lumière visible et aux données de balayage à distance du LiDAR et du radar, les données thermiques associées à l’apprentissage automatique créent un système de détection et de classification plus complet.