Page 140 - 安防20年3月刊_150dpi

P 产品中心
Products

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。 及车载眼球追踪和手势识别等任务。
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 用于AI开发的先进学习工具

驶。我们向自动驾驶汽车开发者开源我们的深度神 除了开源深度神经网络之外，英伟达还发布了
经网络，并为他们提供先进学习工具，使他们能够 一套先进工具，使开发者可以使用自己的数据集
根据不同的数据集对这些网络进行优化。通过这一 和目标特征集自定义并增强NVIDIA的深度神经网
方式，我们正在实现跨企业和国家/地区的共享学 络。这套工具使用主动学习、联邦学习和迁移学习
习，并保护数据所有权和隐私，最终加快全球自动 来训练深度神经网络。
驾驶汽车的落地。” 主动学习借助AI而不是人工管理实现自动数
AI对于安全的自动驾驶汽车开发来说至关重 据选择，进而提高模型精度，降低数据采集成本。
要，它能够让其感知周围环境并做出实时反应，从 联邦学习使企业能够与其他企业一起使用分
而实现智能行驶。其核心是由数十个深度神经网络 布在不同国家的多个数据集，同时保护数据隐私和
组成的，它们可以处理冗余和不同任务，以确保精 企业的知识产权。
确的感知、定位和路径规划。 借助NVIDIA在自动驾驶汽车开发领域的大力
HIS Markit人工智能高级研究总监 Luca De 投入，迁移学习使NVIDIA DRIVE客户能够加快开
Ambroggi表示：“NVIDIA为交通运输行业开发最深 发其感知软件，然后基于他们自己的应用和目标能
入广泛的深度神经网络和AI工具，并且是这一领域 力进一步开发这些网络。
的全球领导者。为开发者们提供这些算法，以及用 通过在NGC上开源AI模型和推出先进训练工
于自定义这些算法的工具和工作流程基础架构，将 具，NVIDIA强化了其端对端自动驾驶汽车的开发
助力安全的自动驾驶交通运输解决方案落地。” 和部署平台。
英伟达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

122 第九届深圳国际智能交通与卫星导航位置服务展览会(2020年8月深圳会展中心)www.its-expo.com

Ӂ௖ᇏྏ JOEE ྒ௹೘