ABOUT NORCOM
Deep Learning für das Autonome Fahren
Die Aufgabe
NorCom entwickelte für einen Automobilhersteller einen Advanced Analytics & Machine Learning Workflow. Ziel war die Untersuchung der Abhängigkeit des Fahrerverhaltens von der Fahrtsituation.
Die Herausforderung
Die schiere Datenmenge, wobei Zeitreihen mit Bilddaten im zweistelligen Terabytebereich für die Auswertung auf GPUs zusammengeführt werden müssen.
Unsere Lösung
Relevante Ereignisse (z.B. „ADC wird abgeschaltet“) wurden über eine schnelle, signalbasierte Suche aus den Sensordaten filtriert und mit den simultan von der on-board Kamera aufgenommenen Bildern synchronisiert. Ein tiefes neuronales Netz klassierte die auf den Bildern erkenntliche Situation (z.B. „LKW voraus“). Danach wurden Statistiken über die Ereignisse erstellt (z.B. „Abstand zum LKW“) und über Situationen vergleichbar gemacht.
Der Kundennutzen
Der konsequente Einsatz von Big Data zur Vermeidung von Datenbewegungen zusammen mit dem modularen Aufbau stellt die Performanz des Workflows auch auf Massendaten sicher. Sowohl die Parameter als auch der Algorithmus des Workflows sind für den Kunden einfach anpassbar, so dass die Interpretation der Ergebnisse iterativ mit weiteren Datenanalysen erfolgen kann. Statt einer einzelnen fertigen Analyse erhält der Kunde eine Vorlage, die er auf viele weitere Use Cases anwenden kann.
Projekt-
steckbrief
Unsere Rolle
-
Unterstützung des Kunden durch Data Scientists, Data Engineers, Architekten und Software-Entwickler
Unsere Tätigkeiten
-
Einrichten von Yarn Queues zur Allokation von GPUs
-
Vorverarbeitung von Messdaten
-
Erstellung von Big Data fähigen Deep Learning Workflows
-
Schulung in der Nutzung von Tensorflow
Technologien & Methoden
-
Applikationen: DaSense
-
Datenbanken: Hbase, Hive, HDFS, ADTF, Parquet, ROS
-
Sprachen / Frameworks: Python (Anaconda Stack), Java, Java-script, TensorflowOnSpark, Hadoop/MapR, Spark, Yarn, Oozie
-
Methoden: Zeitreihenanalysen, Bildanalyse, Sensor Fusion/Synchronisation, Deep Learning