PRODUITS
Unity Computer Vision
Créez plus rapidement des modèles précis et prêts pour la production.
Outils et contenu gratuits pour la génération de données synthétiques
Découvrez nos nouveaux outils, jeux de données et générateurs de jeux de données, publiés en open source et académiquement, et dédiés à la création de données synthétiques pour la formation des modèles de vision par ordinateur.
Unity Perception 1.0
Notre pack Perception vous propose un kit d'outils conçu pour générer des jeux de données dédiés à la formation de la vision par ordinateur et la validation. Unity Perception 1.0 est une nouvelle version plus complète qui inclut de nouvelles étiquettes, des randomizers, des exemples et des capacités de rendu.
Analyse de données et visualisation dans Python
Les outils PySOLO sont réunis dans un nouveau pack Python en open source qui vous propose divers services pour vos analyses et visualisations de données dans le nouveau format SOLO.
Synthetic Homes
Unity SynthHomes est désormais disponible en version open source et représente un jeu de données de 100 000 images synthétiques d'intérieurs domestiques et un fichier binaire de générateur d'un jeu de données connexes.
Synthetic Humans
Disponible désormais uniquement pour un usage académique, Unity Synthetic Humans est un générateur de personnes en 3D conçu de toutes pièces à partir de la vision par ordinateur centrée sur l'humain.
« 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. »
« 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 %. »
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).
Ressources
Consultez davantage de ressources relatives à la vision par ordinateur, et notamment des webinaires, des rapports et des jeux de données gratuits.
Débloquez le développement de l'IA grâce aux données
En savoir plus sur Unity Computer Vision et sur la façon d'explorer nos exemples d'ensembles de données et de générer les vôtres avec nos environnements prédéfinis.
Débloquer des solutions intelligentes à la maison
Découvrez comment nos outils et services permettent de développer des applications de vision par ordinateur plus performantes pour la maison tout en limitant les obstacles et les défis.
Premiers pas avec le contenu 3D pour les données synthétiques
Les données synthétiques sont alimentées par votre bibliothèque de ressources 3D. Découvrez les sources et les techniques d'acquisition de contenu 3D pour les problèmes courants de vision par ordinateur.
L'usine du futur
Téléchargez notre rapport pour découvrir le rôle vital de la vision par ordinateur, de la simulation robotique et de la technologie 3D en temps réel pour l'avenir de la production industrielle.
L'IA et l'apprentissage automatique expliqués
Familiarisez-vous avec les termes clés de l'apprentissage automatique, de la vision par ordinateur, des données synthétiques, etc.
Apprendre aux robots à voir grâce à Unity
Donnez à vos robots la possibilité de ramasser précisément un objet sans savoir explicitement où il se trouve. Découvrez comment collecter des données synthétiques pour la formation complète d'un modèle d'apprentissage qui prédit l'emplacement d'un objet donné.
Formation de modèle de détection d'objet grâce aux données synthétiques
Découvrez comment vous pouvez générer un jeu conséquent de données synthétiques pour former vos modèles d'apprentissage automatique.
Génération et analyse de données synthétiques à grande échelle
Découvrez comment utiliser des outils Unity afin de générer et d'analyser des jeux de données synthétiques grâce à un exemple significatif de détection d'objet.
Cas d'utilisation Myriad basés sur des données synthétiques
Les données synthétiques aident de nombreuses entreprises à surmonter le défi de l'acquisition de données étiquetées pour former des modèles d'apprentissage automatique. Découvrez l'étendue des cas d'utilisation qu'il permet.
Pouvez-vous trouver Charlie à l'aide de données synthétiques ?
Découvrez la façon dont notre package Unity Perception a été déployé pour la création d'images de type « Où est Charlie ? » afin de former un réseau de neurones dont l'apprentissage se basait sur une bibliothèque fastai.
Création d'images synthétiques pour apprentissage complet
Regardez ce tutoriel afin d'apprendre à configurer Unity et le package Unity Perception pour la création d'images synthétiques qui formeront des réseaux de neurones grâce à un apprentissage complet, l'IA et la vision par ordinateur.
Développement d'algorithmes de vision par ordinateur à l'aide de données synthétiques
Découvrez comment Standard Cognition s'est appuyé sur Unity afin de réduire les coûts et le temps passé sur le développement d'algorithmes pour la collecte et l'étiquetage de données dans leur système de vérification numérique.
Questions les plus fréquentes
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 :
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.
Vous pouvez utiliser des données de formation synthétiques lorsque :
- 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.
- 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.