Presented By O’Reilly and Intel AI
Put AI to work
April 10-11, 2018: Training
April 11-13, 2018: Tutorials & Conference
Beijing, CN

用于无人驾驶的深度学习技术

此演讲使用中文 (This will be presented in Chinese)

Bichen Wu (UC Berkeley)
14:0014:40 Thursday, April 12, 2018
实施人工智能 (Implementing AI), 模型与方法 (Models and Methods)
Location: 多功能厅3A+B (Function Room 3A+B)
Secondary topics:  深度学习(Deep Learning), 运输与物流 (Transportation and Logistics)

必要预备知识 (Prerequisite Knowledge)

对深度学习,卷积神经网络的初步理解。

您将学到什么 (What you'll learn)

  • 深度学习运用于无人驾驶过程中的一些问题:需要大量数据,无法保证准确性,过于庞大的计算复杂度。
  • 以上问题的解决方案:数据生成以及domain adaptation,系统性的测试与验证,高效神经网络的设计

描述 (Description)

人们对无人驾驶技术的期盼由来已久。近年来深度神经网络的研究在视觉,控制,规划等无人驾驶核心技术上都取得了很大的进展。但是,为了真正把神经网络从实验室迁移到产品中,我们仍然需要解决一些核心问题。

1)深度学习模型需要大量的训练数据,但是收集,标注大量数据非常困难。
2)准确性对于无人驾驶是至关重要的,但无论什么模型,要达到100%的准确率是几乎不可能的。
3)无人驾驶要求神经网络模型以实时的速度检测周围环境,但大多数的深度学习模型计算复杂度很高,超过了车载处理器的处理能力。

这个讲座将关注与以下几点:
1)如何利用仿真来生成训练数据,以及如何用domain adptation的方法让通过仿真数据训练的模型迁移到真实世界中。
2)如何利用仿真器对深度学习模型进行系统性的测试与验证,理解在什么情况下神经网络可能出错,以至于我们可以相应地调整控制策略。
3)如何设计高效的神经网络以满足实时性,低功耗的要求。

Photo of Bichen Wu

Bichen Wu

UC Berkeley

Bichen Wu is a PhD student at UC Berkeley, where he focuses on deep learning, computer vision, and autonomous driving.