ПРОДУКТЫ

Unity Computer Vision

Оперативно создавайте точные готовые к использованию модели.

Ускорьте создание качественных синтетических данных с помощью нашего обширного набора инструментов с открытым исходным кодом. Смотреть бесплатные инструменты

Бесплатные инструменты и контент для генерирования синтетических данных

Ознакомьтесь с нашими теперь открытыми инструментами для академического применения, массивами данных и генераторами таких массивов, которые позволяют создавать синтетические данные для обучения моделей компьютерного зрения.

Инструменты и контент
Unity Perspective 1.0 featuring grocery products

Unity Perception 1.0

Пакет Perception предоставляет набор инструментов, с помощью которых можно создавать большие массивы данных для обучения и проверки системы компьютерного зрения. Unity Perception 1.0 — это новый улучшенный выпуск, который включает дополнительные метки, рандомизаторы, примеры и возможности рендеринга.

Использовать открытое ПО
Data analysis and visualization in Unity engine

Анализ и визуализация данных в Python

Инструменты PySOLO — это новый пакет для Python с открытым исходным кодом, которые предоставляет инструменты для анализа и визуализации данных в новом формате SOLO.

Использовать открытое ПО
SynthHomes demo

Synthetic Homes

Unity SynthHomes — это массив данных, насчитывающий 100 000 изображений интерьеров синтетических домов, и связанный двоичный файл генератора массива данных. Это решение теперь доступно с открытым кодом.

Использовать открытый контент
Synthetic Humans

Synthetic Humans

Unity Synthetic Humans — это генератор трехмерных людей, созданный с нуля для применения в области компьютерного зрения, ориентированного на человека. Это решение доступно только для применения в академических целях.

Использовать контент по лицензии для академических учреждений
Jack Hsu, Senior Manager, Boeing Vancouver

«Синтетическим данным всегда есть место, если вам нужны данные для машинного обучения. Создавая синтетические наборы данных в виртуальном мире, вы можете быстро получить миллионы изображений, не тратя время на фото- и видеосъемку».

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

«С помощью Unity Computer Vision мы синтезировали данные для платформы мониторинга пациентов Ouva и ускорили циклы регистрации данных с месяца до недели; наш массив данных увеличился в 10 раз, а точность моделей увеличилась с 5 до 10%».

Dogan Demir, CEO, Ouva

Истории успеха

Ouva

Платформа моделирования данных здравоохранения Ouva использует возможности синтетических данных для повышения эффективности моделей более чем на 10%, экономии до 40 000 $ на маркировке, создания сбалансированных массивов за несколько часов, а не недель, и для ускорения итеративных циклов с недель до дней.

Boeing

Из этого интервью вы узнаете о том, как Boeing и Unity получили более 100 000 синтетических изображений для обучения ИИ в разработке приложения для осмотра самолетов в AR

Passio

Узнайте, как сочетание синтетической информации из Unity и реальных данных позволяет Passio расширить массивы данных и ускорить обучение ИИ для приложений дополненной реальности.

Neural Pocket

Узнайте, как ИИ-стартап Neural Pocket воспользовался услугами Unity Computer Vision в целях существенного сокращения затрат на разработку модели компьютерного зрения и ускорения ее развертывания (1 неделя вместо 24 недель).

Ускорьте обучение моделей компьютерного зрения

Нужна помощь в области генерации синтетических данных и компьютерного зрения? Воспользуйтесь консультационными и профессиональными услугами, которые предоставляет наша команда экспертов.

Ответы на часто задаваемые вопросы

Синтетические данные непохожи на реальные. Действительно ли они эффективны?

Ознакомьтесь с нашей документацией, чтобы узнать, почему модели, обучаемые только на реальных данных, уступают тем, для обучения которых используются еще и синтетические.

В каких сферах можно обучать компьютерное зрение с помощью синтетических данных?

С помощью Unity наши клиенты генерируют синтетические данные для разных сфер применения компьютерного зрения, в частности для обнаружения людей и объектов, выявления дефектов на производстве, работы бытовой электроники и не только.

Когда стоит использовать синтетические данные?

Синтетические данные будут полезны в следующих случаях:  

  1. Вы располагаете лишь небольшим набором реальных данных. В этом случае дополнение этого массива синтетическими данными от Unity Computer Vision поможет вам повысить производительность вашей модели.  
  2. У вас нет возможности набрать массив реальных данных для проекта. Здесь Unity Computer Vision поможет вам создать качественный массив маркированных синтетических изображений и обучить ваши модели на базе полностью синтетических данных.

Мы используем cookie-файлы, чтобы вам было удобнее работать с нашим веб-сайтом. Подробнее об этом можно узнать на странице, посвященной политике использования cookie-файлов.

Согласен