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.

Leave a Comment or Question

Help us make this conference the best it can be for you. Have questions you'd like this speaker to address? Suggestions for issues that deserve extra attention? Feedback that you'd like to share with the speaker and other attendees?

Join the conversation here (requires login)