인공 지능이 자동차 업계를 휩쓸고 있습니다. 예를 들어, UBS의 글로벌 금융 서비스에 따르면 AI 기반 로보택시가 2030년까지 2조 달러 규모의 시장을 창출할 것으로 예상됩니다.
이는 AI가 산업을 혁신하는 가장 두드러진 방법 중 하나를 여실히 보여줍니다. 그것은 바로 자율주행 기술의 개발입니다. 자율주행 자동차는 카메라 기반 머신 비전 시스템과 레이더 및 라이더 기반 감지 장치를 사용하여 주변 환경을 인식하고 이해하고 안전하게 탐색합니다.
이 워크숍에서는 자율주행 자동차 인식 애플리케이션의 차선 탐색, 보행자 감지와 같은 성능을 최적화하는 방법을 설명합니다. 의미론적 분할 뉴럴 네트워크를 구축하고 트레이닝하여 도로, 보행자 및 다른 자동차를 식별하는 방법을 설명합니다. 그런 다음 NVIDIA DRIVE AGX™ 플랫폼에 뉴럴 네트워크를 배포하여 자동차의 자율 항법을 작동해 봅니다. 워크숍을 마치면 고속도로 주행, 도시 도로 주행, 주차 등 다양한 자율주행 시나리오에 대처하는 AI 애플리케이션을 구축하는 데 필요한 기술을 습득하게 됩니다.
학습 목표
이 워크숍에 참여함으로써 다음을 수행하는 방법을 학습할 수 있습니다.
- DRIVE AGX 플랫폼에서 다양한 GPU 메모리 구성을 사용하는 예제 코드를 실행하여 다양한 사용 사례에서 가장 효과적인 구성 확인
- CUDA 및 시간 추론 테스트 케이스를 사용하여® DRIVE AGX 플랫폼에서 여러 가지 성능 최적화 방법 비교
- FCN(완전 컨볼루션 신경망) '헤드'와 MobileNets CNN(컨볼루션 신경망) '스템'을 결합하여 자동차 현장을 이해하는 의미론적 분할 네트워크 구축 및 트레이닝
- Cityscapes 데이터를 사용하여 NVIDIA DIGITS 도구로 의미론적 분할 모델을 트레이닝하여 픽셀 단위 의미론적 영상 분할 시연
- Keras 및 Tensorflow 의미론적 분할 모델으로부터 DRIVE AGX 플랫폼에서 실제 애플리케이션로 배포할 수 있는 최적화된 NVIDIA® TensorRT™ 모델로 변환
- DRIVE AGX 플랫폼에서 최적화된 TensorRT 모델을 배포하고 실행하여 DRIVE 애플리케이션의 개발 및 배포 워크플로우 시연
워크숍 데이터시트 다운로드 (PDF 299 KB)