PRODUITS

Unity Computer Vision

Créez plus rapidement des modèles de vision par ordinateur précis et prêts pour la production.

Jack Hsu, Senior Manager, Boeing Vancouver

« Partout où les données sont nécessaires pour gérer l'apprentissage automatique, les données synthétiques ont un rôle à jouer. Grâce à la création d'ensembles de données synthétiques dans un monde virtuel, vous pouvez créer des millions d'images très rapidement, au lieu d'aller sur le terrain pour prendre des photos. »

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

« Chez Ouva, la plateforme de surveillance des patients utilise Unity Computer Vision pour générer des données synthétiques, ce qui nous a permis de réduire à une semaine nos cycles de capture de données qui prenaient auparavant un mois, tandis que notre ensemble de données a été multiplié par 10 et la précision des modèles s'est améliorée de 5 à 10 %. »

Dogan Demir, CEO, Ouva

Études de cas

Ouva

La plateforme de données de santé simulées d'Ouva exploite la puissance des données synthétiques pour améliorer les performances du modèle de plus de 10 %, réduire les coûts d'étiquetage jusqu'à 40 000 $, créer des ensembles de données équilibrés en quelques heures au lieu de plusieurs semaines et raccourcir les cycles d'itération de semaines en jours.

Boeing

Dans cette interview, découvrez comment Boeing a collaboré avec Unity pour générer plus de 100 000 images synthétiques afin de mieux former les algorithmes d'apprentissage automatique de son application d'inspection d'avions, basée sur la réalité augmentée (RA).

Passio

Découvrez comment Passio combine les données synthétiques de Unity avec des données réelles pour étendre ses ensembles de données et accélérer la formation à l'IA pour les applications d'IA et de réalité augmentée (RA).

Neural Pocket

Découvrez comment la start-up Neural Pocket, spécialisée en IA, a utilisé Unity Computer Vision pour réduire considérablement les coûts de développement du modèle de vision par ordinateur et le temps de déploiement (de 24 semaines à 1 semaine).

Avantages de l'utilisation de données de formation synthétiques

Pré-étiquetage

Les images synthétiques sont pré-étiquetées et annotées, ce qui réduit le risque d'erreur humaine.

Risque réduit

Les restrictions concernant la collecte de données du monde réel ne s'appliquent pas aux images synthétiques générées par les machines.

Diversité illimitée de données

Générez des données de formation en capturant des scénarios extrêmes, des situations hypothétiques, des variations environnementales et plus encore.

Jusqu'à 80 % d'économies

Générez des ensembles de données massifs sans dépasser votre budget, pour une fraction du coût de la collecte de données dans le monde réel.

Développement de modèles jusqu'à 30 fois plus rapide

Raccourcissez les cycles d'itération de la formation et accélérez le déploiement des modèles de vision par ordinateur.

Détections jusqu'à 30 % plus précises

La formation avec des images purement synthétiques ou l'augmentation avec un petit échantillon d'images réelles améliore considérablement les performances de votre modèle.

Annotations personnalisables

Personnalisez la méthode d'étiquetage requise par votre application, des simples cadres de délimitation aux annotations sémantiques complexes, impossibles à obtenir grâce à l'étiquetage manuel.

Paramètres aléatoires

Modifiez tous les aspects de votre scène, y compris l'éclairage, les objets d'arrière-plan, les spécifications de la caméra, les occlusions ou autres pour créer un jeu de données de formation robuste et performant dans des conditions réelles.

Accélérez la formation de vision par ordinateur

Surmontez les obstacles rencontrés lors de la formation de modèles de vision par ordinateur en créant des données de formation diverses et pré-étiquetées à la demande.

Questions les plus fréquentes

Les données synthétiques ne ressemblent pas aux données réelles. Est-ce que cela fonctionne vraiment ?

Consultez nos articles pour voir comment les modèles formés à l'aide de données synthétiques et réelles surpassent les modèles formés uniquement avec des données réelles :

Quels types d'applications de vision par ordinateur peuvent être entraînés avec des données synthétiques ?

Nos clients utilisent Unity afin de générer des données synthétiques pour une variété d'applications de vision par ordinateur, notamment la détection d'êtres humains, la détection d'objets, la détection de défauts de fabrication, les applications électroniques domotiques pour le public, etc.

Quand utiliser des données de formation synthétiques ?

Vous pouvez utiliser des données de formation synthétiques lorsque :  

  1. Vous ne disposez que d'un petit échantillon de données réelles. Dans ce cas, vous pouvez augmenter vos données réelles avec une grande quantité de données synthétiques générées par Unity Computer Vision et dynamiser les performances de votre modèle.
     
  2. Vous n'êtes pas en mesure de collecter les bonnes données réelles pour votre projet. Dans ce cas, vous pouvez utiliser Unity Computer Vision pour générer des images synthétiques étiquetées de haute qualité et amorcer vos modèles avec des données purement synthétiques.

Ce site utilise des cookies dans le but de vous offrir la meilleure expérience possible. Consultez notre politique de cookies pour en savoir plus.

Compris