它是一个朦胧的星期六早上在南加州一个苦苦挣扎的演员被调用。“他们想让我做什么?”他疑惑地问他的经纪人。“好吧,告诉他们我就会与你同在。”

他花未来24小时都在尽其所能保持清醒,每的指示他的经纪人。最后,时机成熟,他到达位置与朦胧的眼睛。一些简短的介绍后,他走在为他的大时刻在聚光灯下:摄像机开始滚动,他立即睡着了在一个支撑汽车——就像他一直指示。

这不是演员的重大突破。事实上,只有观众的这种灵活的性能将会是一个精益的数据科学家团队。

演出没有来自主要的好莱坞工作室,而是一个汽车制造商发布了一个数百万美元的RFQ收集图片的司机在方向盘上睡着了。汽车制造商正在收集这些数据推动迅速发展的计算机视觉——用例驱动监测系统(DMS)的自动的客舱检测或疲劳驾驶分心。这是一个缓慢、昂贵的过程,但嘿,他们需要养活他们的模型的数据。

这个真正的(尽管戏剧化)的例子来自一个公司认为这是唯一办法训练数据computer-vision-powering DMS的一部分的人工智能。许多毫升方法,特别是计算机视觉,需要丰富的策划,注释,代表数据是为了建立精确的预测模型。因此,汽车公司支付演员跨人群参与这个看似奇怪的设置来收集它。模型建立时,数据从演员并没有减少。这家汽车制造商的B计划是与合成数据公司合作以编程方式生成一个数据集的合成图像的汽车和电脑上呈现的人类。这给公司带来了更大的训练数据集的高质量图像frame-perfect注释来帮助它的客户。

计算机视觉是当前用例合成数据之一。虽然不是万能的,它有可能使现有的人工智能、解锁等其他历史上一直受到数据挑战太昂贵,甚至无法克服。它提供了许多其他的好处,包括减少隐私问题,减少治理挑战常与敏感信息。例如,合成数据供应商在医疗空间产生假病人数据实际人口统计学上类似的属性,使医疗机构和人员道德与法规如HIPAA和他们自己的内部审查委员会和共享数据更容易。

现在是时候开始你的旅程合成数据。系好安全带,阅读我们的完整的报告把自己放在司机的座位最重要的人工智能计划。