Ansätze zur Verbesserung KI-basierter Systeme für das autonome Fahren

Im Bereich der Bilderkennung wurden in den vergangenen Jahren durch Deep Learning spektakulare Fortschritte erzielt (Krizhevsky A, Sutskever I, Hinton GE. ImageNet classification with deep convolutional neural networks. In: Pereira F, Burges CJC, Bottou L, Weinberger KQ (Hrsg). Advances in Neural Information Processing Systems 25: Curran Associates, Inc; 2012, 1097–1105). Durch Neuronale Faltungsnetze (kurz: CNNs [convolutional neural networks]) konnen Strasenszenen in eine sogenannte semantische Segmentierung ubersetzt werden (Long J, Shelhamer E, Darrell T. Fully convolutional networks for semantic segmentation. CoRR 2014; abs/1411.4038). Diese semantische Segmentierung bildet einen Baustein im Zusammenspiel mehrerer redundanter Systeme, welche das autonome Fahren ermoglichen sollen. Da neuronale Netze mithilfe von Trainingsdatensatzen angelernt werden, versagen diese oft bei dem Versuch unbekannte Objekte (also Objekte, welche nicht in den Trainingsdatensatzen vorhanden waren) zu erkennen.