合成数据让人体检测 mAP50 提升 160%,AWS 公开工业安全 AI 流水线
AWS ML Blog · rss · 2026-09-17
AWS ML Blog 发布工业安全 AI 方案:针对「人员贴近重型机械」高危场景训练图像稀缺的难题,用 Qwen-Image-Edit-2509 扩散模型在 SageMaker AI(4×A10G,约 60GB 权重)上把合成人员插入真实场景图,再用 Amazon Rekognition DetectLabels 自动生成 YOLO 边界框伪标签,全程无人工标注。
- 效果:人员检测 mAP50 最高提升 160%,无危险摆拍、无人工标注(人工标注约 $3–5/图)。
- 动机:高危场景(盲区工人、轨道上的人)真实数据最稀有且最危险,边缘端设备又要求轻量模型,每个样本都关键。
- 做法要点:编辑真实图像而非全合成场景,避免 domain gap;结构化 prompt 指定危险姿态、比例与光照约束;Rekognition 置信度阈值 80%,NMS 去重后转 YOLO 格式,与已有设备标注合并。
- 成本:当前约 166 秒/图;预计换 H100 或量化后推理成本降约 10 倍(未验证)。
「研究」频道最新
- OpenAI Noam Brown 深聊多智能体:数学进步预示自动研究加速 — polynoamial · 2026-09-18
- 复现前沿 benchmark 发现数据缺陷:ALE Linux 子集移植出 ALE-Gold — dejavucoder · 2026-09-18
- AISTATS 2027 征稿开启,首次引入 AI 审稿机制 — qberthet · 2026-09-18
- 新研究声称模型架构可改善 scaling 指数 — madhavsinghal_ · 2026-09-18
- Schmidhuber 重提 2020 年 RSI 演讲:自称 1994 年已实现递归自我改进 — SchmidhuberAI · 2026-09-18
- Polymarket 给 AI 解千年数学难题开出 57% 概率 — Polymarket · 2026-09-18