跨域少樣本深度學習訓練系統

車電人工智慧化產業技術研發計畫

1. 蒐集的樣本中，需要被標記的樣本數量：15%
2. 準確率 ≧ 90%.

雛型

本技術在於能夠在進行影像辨識AI模型訓練時，降低重新收集和標記不同場域、地域的訓練集的需求，將可協助國內車用模組廠商加速開發適用於全球不同地區的市場產品，潛力可期。

自動駕駛系統、行車環境感知系統

無

深度學習演算法

本技術應用於本身已成熟之AI model，目前已可導入3種目標場域(臺灣與印度)之街道場景，未來若有新應用，包括(1)天候不同；(2)camera視場角(FOV)變更；(3)camera安裝位置變更；(4)跨地域，而需要重新收集訓練資料集時，可藉由此技術來降低需要標記的樣本數量。

This technology is applied to an already mature AI model, which is currently deployable in three target environments (Taiwan and India) for street scene scenarios. In the future, if new applications arise, such as (1) different weather conditions, (2) changes in camera field of view (FOV), (3) alterations in camera installation positions, or (4) expansion to new regions that require re-collection of training datasets, this technology can be leveraged to reduce the number of labeled samples needed for retraining.