人工智慧正席捲自駕車產業。舉例來說,根據全球金融服務公司瑞銀集團(UBS)所預測,採用人工智慧技術的自駕計程車到了 2030 年將在全世界創造價值 2 兆美元的市場。
這說明了在人工智慧革新產業的過程中,最重要的方向之一:開發自駕技術。自駕車使用配備攝影機的機器視覺系統、雷達以及激光雷達偵測裝置,來感知、瞭解周遭的環境,並安全地導航。
在本實作坊中,你將學到如何最佳化自駕車偵測應用程式,如車道導航和行人偵測等的效能表現。你將學習如何建立及訓練語意分割神經網路,藉以辨識道路、行人和其他車輛等物體。接著,你將在 NVIDIA DRIVE AGX™ 平台部署神經網路,推動車輛進行自主導航。完成實作坊後,你將具備打造適用於多種自駕情境的人工智慧應用程式所需的技能,可用於高速公路駕駛、城市道路駕駛和停車。
學習目標
參加本實作坊可學會:
- 在 DRIVE AGX 平台上使用不同的 GPU 記憶體設定來執行範例程式碼,判斷哪一種設定在各種使用案例中最有效
- 在 DRIVE AGX 平台上使用 CUDA® 以及定時推論測試案例,比較多種最佳化效能的方法
- 透過結合全卷積網路(fully convolutional network,FCN)的「Head」與 MobileNets 卷積神經網路(CNN)的「Stem」,建立並訓練語意分割網路以瞭解自駕車場景
- 使用 Cityscapes 資料,運用 NVIDIA DIGITS 工具訓練語意分割模型,展示如何將場景以像素進行語意分割
- 將 Keras 和 Tensorflow 語意分割模型轉換為可部署於 DRIVE AGX 平台上的實際應用程式,且經最佳化的 NVIDIA® TensorRT™ 模型
- 在 DRIVE AGX 平台上部署並執行最佳化的 TensorRT 模型,展示 DRIVE 應用程式的開發和部署工作流程
下載實作坊大綱與簡介 (PDF 299 KB)