真实数据采集: 通过车载传感器(摄像头、激光雷达等)在真实道路环境中采集少量罕见 Corner Case 数据。
人工标注: 对采集到的数据进行人工标注,标识出 Corner Case 的类型、位置、风险等级等信息。
GAN 模型选择: 根据 Corner Case 的特点,选择合适的 GAN 模型(如 StyleGAN2、DCGAN 等)。
模型训练: 使用少量真实 Corner Case 数据训练 GAN 模型,使其学习真实数据的分布特征。
数据生成: 通过调整 GAN 模型的参数,生成大量多样化的 Corner Case 数据。
数据过滤与评估: 使用领域专家评估生成数据的质量,筛选出高质量的数据用于训练感知系统。