PRODUKTE

Unity Computer Vision

Erstellen Sie schneller genaue, produktionsreife Modelle.

Erstellen Sie synthetische Daten hoher Qualität schneller mit unserer erweiterten Suite von Open-Source-Tools. Kostenlose Tools ansehen

Kostenlose Tools und Inhalte für das Generieren von synthetische Daten

Sehen Sie sich unsere neuen, als Open-Source und akademische Version veröffentlichten Tools, Datensätze und Datengeneratoren für die Erstellung von synthetischen Daten für das Training Ihrer Computer Vision-Modelle an.

Werkzeuge und Inhalte
Unity Perspective 1.0 für Lebensmittel

Unity Perception 1.0

Das Perception-Paket bietet ein Toolkit zum Generieren umfangreicher Datensätze für das Training und die Validierung von Computer Vision. Unity Perception 1.0 ist eine neue, vollständigere Version, die neue Labels, Randomizer, Samples und Rendering-Funktionen enthält.

Verwenden Sie Open-Source-Tools
Data analysis and visualization in Unity engine

Datenanalyse und -visualisierung in Python

PySOLO Tools ist ein neues Open-Source-Paket für Python, das Hilfsprogramme zur Verfügung stellt, um Daten im neuen SOLO-Format zu analysieren und zu visualisieren.

Verwenden Sie Open-Source-Tools
SynthHomes demo

Synthetische Häuser

Unity SynthHomes, ein Datensatz mit 100.000 Bildern von synthetischen Hausinnenbereichen und eine assoziierte Datensatzgenerator-Binärdatei, ist jetzt als Open-Source-Version erhältlich.

Verwenden Sie Open-Source-Inhalte
Synthetic Humans

Synthetische Menschen

Unity Synthetic Humans ist ein 3D-Personengenerator, der von Grund auf für menschenorientierte Computer Vision entwickelt wurde und jetzt ausschließlich für akademische Zwecke verfügbar ist.

Verwenden Sie Inhalte unter akademischen Lizenzen
Jack Hsu, Senior Manager, Boeing Vancouver

„Überall dort, wo Daten für das maschinelle Lernen benötigt werden, spielen synthetische Daten eine Rolle. Die Erstellung synthetischer Datensätze in einer virtuellen Welt bedeutet, dass man sehr schnell Millionen von Bildern erstellen kann, verglichen mit dem Aufnehmen von Bildern vor Ort.”

Jack Hsu, Senior Manager, Boeing Vancouver
Dogan Demir, CEO, Ouva

„Bei Ouva nutzte unsere Patientenüberwachungsplattform Unity Computer Vision zur Generierung synthetischer Daten und reduzierte unsere monatelangen Live-Datenerfassungszyklen auf eine Woche, während unser Datensatz um das 10-fache wuchs und die Modellgenauigkeit um 5 bis 10 % verbessert wurde.”

Dogan Demir, CEO, Ouva

Fallstudien

Ouva

Die Plattform für simulierte Gesundheitsdaten von Ouva nutzt die Leistungsfähigkeit synthetischer Daten, um die Modellleistung um mehr als 10 % zu verbessern, die Kosten für die Kennzeichnung um bis zu 40.000 US-Dollar zu senken, ausgewogene Datensätze innerhalb von Stunden statt Wochen zu erstellen und die Iterationszyklen von Wochen auf Tage zu reduzieren.

Boeing

In diesem Interview erfahren Sie, wie Boeing mit Unity zusammengearbeitet hat, um über 100.000 synthetische Bilder zu generieren und so die Machine-Learning-Algorithmen seiner Augmented Reality (AR)-gestützten Flugzeuginspektionsanwendung besser zu trainieren.

Passio

Erfahren Sie, wie Passio die synthetischen Daten von Unity mit realen Daten kombiniert, um seine Datensätze zu erweitern und das KI-Training für KI- und Augmented Reality (AR)-Anwendungen zu beschleunigen.

Neural Pocket

Erfahren Sie, wie das KI-Startup Neural Pocket mit Unity Computer Vision in erheblichem Maße die Kosten für die Entwicklung von Bildverarbeitungsmodellen und die Zeit bis zur Bereitstellung (von 24 Wochen auf 1 Woche) reduzieren konnte.

Beschleunigen Sie das Computer Vision-Training

Suchen Sie Hilfe beim Erzeugen synthetischer Daten und bei Computer Vision? Erhalten Sie Expertenberatung und professionelle Dienstleistungen von unserem Expertenteam.

FAQ

Synthetische Daten sehen nicht wie reale Daten aus. Funktioniert das wirklich?

Lesen Sie unsere Dokumente, um zu erfahren, wie mit synthetischen und realen Daten trainierte Modelle Modelle ausstechen, die nur mit realen Daten trainiert wurden:

Welche Arten von Computer-Vision-Anwendungen können mit synthetischen Daten trainiert werden?

Unsere Kunden verwenden Unity, um synthetische Daten für verschiedenste Anwendungen im Bereich Computer Vision zu generieren, darunter Personenidentifizierung, Objekterkennung, Erkennung von Fertigungsfehlern, Unterhaltungselektronik für den Privatbereich usw.

Wozu kann ich synthetische Trainingsdaten einsetzen?

Synthetische Trainingsdaten können unter folgenden Umständen verwendet werden:  

  1. Wenn nur ein kleiner Beispieldatensatz an realen Daten vorliegt. In einem solchen Fall können Sie die realen Daten durch eine große Menge an synthetischen, mithilfe von Unity Computer Vision generierten Daten ergänzen und die Modellleistung steigern.  
  2. Wenn für das Projekt keine richtigen realen Daten erfasst werden können. In einem solchen Fall können Sie mit Unity Computer Vision hochwertige, gelabelte, synthetische Bilder erzeugen und Ihre Modelle mit rein synthetischen Daten booten.

Wir verwenden Cookies, damit wir Ihnen die beste Erfahrung auf unserer Website bieten können. In unseren Cookie-Richtlinien erhalten Sie weitere Informationen.

Verstanden