Modeli dubokog učenja zahtijevaju goleme količine anotiranih podataka. Prikupljanje i označavanje podataka iz stvarnog svijeta je skupo i dugotrajno. Stoga se sve više istražuju mogućnosti strojnog učenja na sintetički generiranim podacima. Dva detektora objekata temeljena na dubokom učenju naučena su na različitim kombinacijama podataka iz stvarnog svijeta i sintetičkih podataka. Testirano je ukupno 12 detektora na stvarnim scenama. Rezultati pokazuju da sintetički podaci mogu doprinijeti boljoj učinkovitosti detektora do određenog omjera podataka iz stvarnog svijeta i sintetičkih podataka.
****
Jelić, Borna; Grbić, Ratko; Vranješ, Mario; Mijić, David
Can we replace real-world with synthetic data in deep learning-based ADAS algorithm
development? // IEEE consumer electronics magazine (2021) doi:10.1109/MCE.2021.3083206
https://ieeexplore.ieee.org/document/9442300
****
