开发者可在保护其数据隐私的同时,通过NVIDIA先进学习工具使用跨多个数据集的深度神经网络
中国苏州——GTC China——2019年12月18日 ——NVIDIA今日宣布,在NVIDIA GPU Cloud(NGC)容器注册上,向交通运输行业开源NVIDIA DRIVE自动驾驶汽车开发深度神经网络。
NVIDIA DRIVE已成为自动驾驶汽车开发的行业标准,并且被汽车制造商、卡车制造商、自动驾驶出租车公司、软件公司和大学所广泛采用。如今,NVIDIA向自动驾驶汽车开发者开源其预训练AI模型和训练代码。通过一套NVIDIA AI工具,NVIDIA生态系统内的开发者们可以自由扩展和自定义模型,从而提高其自动驾驶系统的稳健性与能力。
NVIDIA创始人兼首席执行官黄仁勋表示:“AI自动驾驶汽车是软件定义的汽车,它必须基于大量数据集才能在全球范围行驶。我们向自动驾驶汽车开发者开源我们的深度神经网络,并为他们提供先进学习工具,使他们能够根据不同的数据集对这些网络进行优化。通过这一方式,我们正在实现跨企业和国家/地区的共享学习,并保护数据所有权和隐私,最终加快全球自动驾驶汽车的落地。”
AI对于安全的自动驾驶汽车开发来说至关重要,它能够让其感知周围环境并做出实时反应,从而实现智能行驶。其核心是由数十个深度神经网络组成的,它们可以处理冗余和不同任务,以确保精确的感知、定位和路径规划。
HIS Markit人工智能高级研究总监Luca De Ambroggi表示:“NVIDIA为交通运输行业开发最深入广泛的深度神经网络和AI工具,并且是这一领域的全球领导者。为开发者们提供这些算法,以及用于自定义这些算法的工具和工作流程基础架构,将助力安全的自动驾驶交通运输解决方案落地。”
NVIDIA多年深耕于开发和训练可在NVIDIA DRIVE AGX平台上运行的深度神经网络,它们能够将原始传感器数据转换成对世界的深度理解。这些深度神经网络能够实现交通信号灯和交通标识检测、目标检测(车辆、行人、自行车)、路径感知以及车载眼球追踪和手势识别等任务。
用于AI开发的先进学习工具:
除了开源深度神经网络之外,NVIDIA还发布了一套先进工具,使开发者可以使用自己的数据集和目标特征集自定义并增强NVIDIA的深度神经网络。这套工具使用主动学习、联邦学习和迁移学习来训练深度神经网络。
主动学习借助AI而不是人工管理实现自动数据选择,进而提高模型精度,降低数据采集成本。
联邦学习使企业能够与其他企业一起使用分布在不同国家的多个数据集,同时保护数据隐私和企业的知识产权。
借助NVIDIA在自动驾驶汽车开发领域的大力投入,迁移学习使NVIDIA DRIVE客户能够加快开发其感知软件,然后基于他们自己的应用和目标能力进一步开发这些网络。
通过在NGC上开源AI模型和推出先进训练工具,NVIDIA强化了其端对端自动驾驶汽车的开发和部署平台。
好文章,需要你的鼓励
Jabra 推出 PanaCast 40 VBS:首款专为小会议室设计的 180° Android 智能音视频一体机
这是一项关于计算机视觉技术突破的研究,由多家知名院校联合完成。研究团队开发了LINO-UniPS系统,能让计算机像人眼一样从不同光照下的照片中准确识别物体真实的表面细节,解决了传统方法只能在特定光照条件下工作的局限性,为虚拟现实、文物保护、工业检测等领域带来重要应用前景。
字节跳动智能创作实验室发布革命性AI视频数据集Phantom-Data,解决视频生成中的"复制粘贴"问题。该数据集包含100万个跨场景身份一致配对,通过三阶段构建流程实现主体检测、多元化检索和身份验证,显著提升文本遵循能力和视频质量。
这篇文章介绍了北京人工智能研究院开发的OmniGen2模型,一个能够同时处理文字转图像、图像编辑和情境生成的全能AI系统。该模型采用双轨制架构,分别处理文本和图像任务,并具备独特的自我反思机制,能够自动检查和改进生成结果。研究团队还开发了专门的数据构建流程和OmniContext评测基准,展现了开源模型的强大潜力。