该博客探讨了如何设计高效深度学习模型快速检测和跟踪车辆周围的障碍物，包括应对长尾情况和极端环境的方法。同时，它讨论了如何确保模型在恶劣天气条件下的准确性和可靠性，并优化模型以适应有限的车载计算资源。此外，还提出了构建高性能计算框架以处理多传感器输入和深度学习推理的需求。
1. 设计高效可靠的深度学习模型，在几十毫秒内精确检测和跟踪车周围200米之内所有的障碍物（人，车，非机动车辆，交通锥等），并对场景进行理解
2. 如何设计一般性的模型和算法去处理各式各样的长尾情况和极端环境，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 ，如大雨，大雪，雾霾，风沙等
3. 如何保证感知模型和算法在极端的环境里的准确性和可靠性，如大雨，大雪，雾霾，风沙等
4. 把模型优化到极致，让十几个到几十个模型在车上有限的计算资源上欢快的运行
5. 如何搭建一个高效可靠的计算框架，支撑一个周期内接收几十个传感器的输入，做各种同步融合，并进行几十个深度学习模型的推理
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
