培训报名:自动驾驶感知建图与定位针对自动驾驶具体场景及其所需功能提供算法实战辅导|厚势汽车

自动驾驶技术除了是重要的汽车主动安全技术之外,还可能对交通运输业产生重大影响,因此当下科技界与风险投资界最炙手可热的技术方向之一。目前国内自动驾驶汽车产业发展仍处在初级阶段,技术人才缺乏,自动驾驶汽车的开发缺少系统的教育培训引导。

本课程将从自动驾驶汽车视觉系统、雷达系统入手,系统讲解自动驾驶汽车环境感知系统、路径规划系统开发所需的知识,并就机器视觉技术、激光雷达感知技术、高精度地图技术、路径规划技术和SLAM(SimultaneousLocalizationandMapping,即时定位与地图构建)技术等重点问题进行讲解和剖析。

授课对象

课程收益

讲师简介

张林,博士,同济大学软件学院副教授

张林副教授现任同济大学软件学院媒体艺术与科学教研室主任。他曾于2003年和2006年在上海交通大学计算机科学与技术系分别获得学士和硕士学位。之后曾先后供职于Microsoft和Autodesk公司。2008年3月至香港理工大学攻读博士学位,导师为张磊教授(IEEEFellow)、张大鹏教授(IEEEFellow)。2011年8月加入同济大学。主要研究兴趣包括机器视觉与图像理解、智能驾驶中的环境感知、生物特征识别、多媒体质量评价等。他以第一作者身份已在IEEET-PAMI、IEEET-IP、IEEET-MM、PatternRecognition、ImageandVisionComputing等期刊上发表论文18篇。于2013年入选上海市浦江人才计划。他目前是IEEE高级会员、中国计算机学会(CCF)高级会员、中国计算机学会(CCF)计算机视觉专业委员会委员、中国图像图形学学会机器视觉专业委员会委员、视觉与学习青年研讨会(VALSE)在线组委会委员。

赵君峤,博士,同济大学电信学院/同济大学智能汽车研究所助理教授

2006年获得东南大学地理信息工程系学士学位,同年进入测绘遥感信息工程国家重点实验室攻读硕士学位,并获得硕博连读资格,2011年获得武汉大学摄影测量与遥感专业博士学位。期间曾得到中德合作项目「三维城市信息解译」资助先后前往德国慕尼黑工业大学和汉诺威大学(LeibnizUniversittHannover)进行学术访问。2012年7月至2013年12月前往荷兰代尔夫特理工大学(TechnischeUniversiteitDelft)从事博士后研究。

2013年12月加入同济大学电信学院计算机系,主要研究方向为智能无人驾驶、室内外定位与导航、三维城市模型多尺度表达等。目前为同济大学「途灵」(TiEV)智能无人车研究团队负责人,参与多届基金委举办的「中国智能车未来挑战赛」。目前主持完成国家自然科学基金青年项目一项(课题编号41201379),曾参与多个973、863重点科研项目,在高水平期刊和会议中发表论文30余篇。

课程内容(2天)

第一天

机器学习与自动驾驶中的视觉感知

11月22日

机器学习基础

机器学习中的基本概念

线性模型

神经网络

深度卷积神经网络

现代卷积神经网络结构

基于CNN的视觉目标检测

自动驾驶系统中的视觉感知实践

背景介绍

环视系统

基于机器学习的泊车位检测

减速带与行人的检测与测距

嵌入式平台的加速

由虚拟到现实:仿真场景数据在自动驾驶中的应用

第二天

自动驾驶SLAM

11月23日

自动驾驶SLAM理论知识

SLAM技术概况

SLAM中的观测方法

SLAM优化理论

自动驾驶SLAM系统

视觉里程计与视觉SLAM

激光里程计与激光SLAM

深度学习方法在SLAM中的应用

开课信息

开课日期:2018年11月22日-23日

主办单位:中国汽车产业培训基地

开课地点:上海市嘉定区安亭镇安拓路56弄汽车创新港

培训规模:30–40人

课程费用:3800元/人;3人[含]以上同行,3500元/人(含午餐、茶歇)

报名咨询

请注明「培训」

注意事项

厚势-中国汽车产业培训中心课程

厚势汽车和中国汽车产业培训基地进行战略合作,针对自动驾驶、智能网联汽车和新能源汽车领域,联合推出一系列经典课程,为沃尔沃、上汽集团、吉利、长城、丰田、广汽集团、奔驰、一汽、大众等车企提供多次高品质培训服务。参加本课程的学习,除了学习专业知识,还能和来自上海交大、同济大学等汽车、计算机、人工智能的教授和专家,以及来自各大车企和主流供应商的学员一起交流。

近期课程预告

日期:11月01-02日

主讲:张希教授,上海交通大学智能网联电动汽车创新中心

已开课程

日期:09月12-13日

主讲:朱莉副教授,上海交通大学

日期:08月15-17日

主讲:陈广博士、赵君峤博士、张林博士,同济大学智能汽车研究所

日期:07月10-11日

主讲:殷承良教授,上海交通大学汽车工程研究院副院长

日期:07月05-06日

主讲:宋珂博士,同济大学汽车学院

日期:05月20-22日

主讲:王教授,同济大学

中国汽车产业培训基地(AIT)由上海国际汽车城创办,是以汽车前瞻技术培训为主导的专业汽车人才开发平台,主要提供政策法规解读、汽车技术培训、企业课程定制、认证类与合作专题、岗前实务培训等几大业务服务,总部位于上海市嘉定区汽车·创新港。

责任编辑:啜小雪

-END-

企业家

马斯克和贾跃亭|福特CEO下台|正道汽车仰融

任正非裁员|电池大牛凯尔提离开特斯拉

智能驾驶

BBC自动驾驶纪录片

为什么说百度阿波罗画虎不成反类犬

车载雷达通信系统综述

智能时代测绘与位置服务领域的挑战与机遇

新能源汽车

全国50个新能源汽车项目大盘点

锂电池发展趋势|中国汽车产业电动化进程

苹果收购特斯拉?|丰田和特斯拉决裂

新能源乘用车的补贴综述及展望

新能源汽车驱动电机发展现状及趋势分析

以色列最强10家自动驾驶创业公司

37个汽车分时项目盘点|百度投资蔚来汽车

马化腾或为共享单车最大赢家|汽车产业3大趋势

Momenta获\$4000万B轮

百度系自动驾驶初创公司Pony.ai的突围之路

这些大神从Google出走,创办了五家(命运各异的)无人车公司

THE END
1.机器学习:开启智能未来的钥匙腾讯云开发者社区机器学习作为人工智能的核心方法,通过分析数据中的隐藏规律,让计算机从中获取新的经验和知识,不断提升和改善自身性能,从而像人一样根据所学知识做出决策。https://cloud.tencent.com/developer/article/2478495
2.机器学习——自动机器学习(AutoML)文章浏览阅读1.2k次,点赞77次,收藏85次。自动机器学习(AutoML)是指通过自动化的方法来选择模型、调整超参数和预处理数据的过程,从而让没有丰富经验的用户也能创建高质量的机器学习模型。与传统的机器学习方法相比,AutoML能够自动执行数据预处理、特征工程、模型选择、https://blog.csdn.net/2301_80374809/article/details/142948574
3.什么是机器学习?一文读懂数据驱动的未来并通过与环境的交互来不断优化决策策略。这种方法在自动驾驶、机器人控制等领域具有广阔的应用前景。随着技术的不断进步和应用场景的日益丰富,机器学习将在更多领域发挥重要作用。从金融风控到医疗健康,从智能制造到智慧城市,机器学习的身影无处不在。它将助力人类解决更为复杂的问题,推动社会的持续发展和进步。https://baijiahao.baidu.com/s?id=1800394235426231596&wfr=spider&for=pc
4.什么是自动机器学习机器学习(Machine Learning)是一种人工智能领域的重要技术,它使计算机能够通过数据自动学习并改进性能。然而,传统的机器学习方法需要专业领域知识和大量时间来选择合适的模型、特征工程和超参数调整等步骤。为了降低机器学习的门槛,提高效率,并使更多的人能够从中受益,自动机器学习(AutoML)应运而生。 https://www.eefocus.com/e/1664499.html
5.自动机器学习机器学习hackernew的技术博客自动机器学习 机器学习,机器学习简介机器学习是一种人工智能技术,通过对数据的学习和建模来实现自主地执行某项任务的能力。在数据密集型领域,机器学习已成为了一项重要的技术,包括图像识别、语音识别、自然语言处理、推荐系统、智能游戏等领域。本文将介绍机器学习的基https://blog.51cto.com/u_56701/6418631
6.Cadence全球首创机器学习核心EDA自动化工具Cerebrus面世楷登电子(美国 Cadence 公司,NASDAQ:CDNS)今日宣布推出 Cadence? Cerebrus? Intelligent Chip Explorer——首款创新的基于机器学习(ML)的设计工具,可以扩展数字芯片设计流程并使之自动化,让客户能够高效达成要求严苛的芯片设计目标。Cerebrus 和 Cadence RTL-to-signoff 流程强强联合,为高阶工艺芯片设计师、CAD 团https://laoyaoba.com/n/787292
7.自动机器学习平台决策类AI应用HyperCycle ML低门槛、标准化、决策类自动机器学习平台 基于库伯学习圈理论,将AI应用过程简化为“行为、反馈、学习、应用”四个步骤,大幅降低AI使用门槛,为企业规模化落地AI提供效率引擎,助力企业轻松实现智能化转型。 基于库伯学习圈理论,将AI应用过程简化为“行为、反馈、学习、应用”四个步骤,大幅降低AI使用门槛,为https://www.4paradigm.com/product/hypercycle_ml.html
8.什么是自动化机器学习(AutoML)?了解什么是自动化机器学习及其在 ML.NET 中的不同组件https://learn.microsoft.com/zh-cn/dotnet/machine-learning/automated-machine-learning-mlnet
9.机器学习的不确定性:自动驾驶的安全视角汽车领域的这些系统正在快速地发展,并加速了高度自动化和全自动驾驶的发展进程,同时也在安全保障方面提出了新的挑战。机器学习方法和数据中的不确定性是安全领域研究的一个重要课题。在这篇文章中,我们将在自动驾驶领域探究这个问题,着手分析四个安全性相关的案例,然后介绍我们提出的相应的解决方案。该方法的核心是在自http://www.cheyun.com/content/24837
10.IEEEIV2018丨徐昕:基于机器学习算法的自动驾驶汽车决策与控制由IEEE智能交通系统协会 (ITSS)主办的The 29th IEEE Intelligent Vehicles Symposium(第29届IEEE国际智能车大会)于6月26日-6月30日在江苏常熟圆满落幕,国防科技大学机电工程与自动化学院徐昕教授作为特邀主旨报告嘉宾,他报告的题目为《基于机器学习算法的自动驾驶汽车决策与控制》。 https://mp.ofweek.com/ai/a545673225236
11.一种基于机器学习的自动对焦算法AET摘要:针对现有面阵CCD相机自动对焦算法精度比较低、易出现局部峰值的问题,提出了一种基于机器学习的自动对焦算法。采用机器学习中的决策树算法求得两个决策树,用决策树来决定镜头移动的方向及下一步的状态,进而确定了一个包含有峰值的范围,然后再用爬山算法进行局部峰值搜索,从而确定焦点峰值位置。实验结果表明,该算法http://www.chinaaet.com/article/3000020032
12.强化学习与自动驾驶原创:晏茜资料来源:时老师 本文主要介绍强化学习在智能交通,尤其是自动驾驶领域的应用。首先带大家了解强化学习的内涵,然后分析如何构建强化学习的问题,最后会基于项目内容去讲解自https://www.jianshu.com/p/be915d014084
13.深入理解AutoML和AutoDL:构建自动化机器学习与深度学习平台(豆瓣)#读书 《深入理解AutoML和AutoDL: 构建自动化机器学习与深度学习平台》,王健宗,机械工业出版社。 似乎是目前关于AutoML的第一本中文成书? 作者蜻蜓点水般的介绍了AutoML, AutoDL所涉及的繁杂的概念和技术,属于浅入浅出型,也几乎没有任何实例,但最后已经形成了相当大的篇 (展开) https://book.douban.com/subject/34794803/
14.从视频追踪到自动评论,五月GitHub最热机器学习项目都在这里了您的五月余额已不足,这个月最新最火的机器学习项目都看过了吗? Mybridge AI博客从将近250个机器学习开源项目中找到了标星数排名最靠前的Top 10项目,涵盖视觉问答、对象检测、自动生成评论等多个维度。 一起来看看吧~ 第1名:Pythia Pythia是Facebook人工智能实验室出品的视觉和语言多模式研究的模块化框架,2138星。https://tech.sina.com.cn/csj/2019-05-27/doc-ihvhiqay1682336.shtml
15.电子系机器学习课题组自动化知识图谱表示学习论文被TPAMI接收电子系机器学习课题组与第四范式和香港科技大学合作论文《知识图谱学习的双线性评分函数搜索》(Bilinear Scoring Function Search for Knowledge Graph Learning)近期发表于IEEE模式分析和机器智能学报(IEEE Transactions on Pattern Analysis and Machine Intelligence ,IEEE TPAMI)。信息系统研究所姚权铭老师为论文通讯作者,项https://www.ee.tsinghua.edu.cn/info/1076/3716.htm
16.学习报告:基于睡眠脑电的睡眠分期3.其他机器学习算法 深度学习 注:表格来源 Fiorillo L, Puiatti A, Papandrea M, et al. Automated sleep scoring: A review of the latest approaches[J]. Sleep medicine reviews, 2019, 48: 101204. 总结 可以看出基于深度学习的自动分期系统已经得到越来越广泛的研究,大部分深度学习框架基本都是基于CNN和RNNhttps://www.scholat.com/teamwork/showPostMessage.html?id=9736
17.Python环境下的自动化机器学习超参数调优机器之心机器学习算法的性能高度依赖于超参数的选择,对机器学习超参数进行调优是一项繁琐但却至关重要的任务。本文介绍了一个使用「Hyperopt」库对梯度提升机(GBM)进行贝叶斯超参数调优的完整示例,并着重介绍了其实现过程。 由于机器学习算法的性能高度依赖于超参数的选择,对机器学习超参数进行调优是一项繁琐但至关重要的任务。https://www.jiqizhixin.com/articles/2018-08-08-2
18.九章云极DataCanvas方磊:Hypernets——自动化机器学习的基打架在WAIC 2021 AI 开发者论坛上,九章云极 DataCanvas 董事长方磊发表主题演讲《Hypernets:自动化机器学习的基础框架》,在演讲中,他主要介绍了 Hypernets 的概念模型和两个具体实例。他认为,好的 AutoML 框架一定要具备富有表现力的搜索空间描述语言、支持高维空间的高效搜索算法和高性能的评估策略。 https://m.thepaper.cn/baijiahao_13676597
19.Science自动化+机器学习攻克代谢途径改造不确定性的技术壁垒针对上述问题,研究团队利用自动化大设施平台技术,确定可控的进化轨迹,实现了代谢通路多个关键性基因的自动化同步进化。该研究还搭载了ProEnsemble机器学习框架,进一步缓解了进化途径各基因间的上位效应影响,进而创造了一个高效的通用型底盘来合成黄酮化合物。这项工作(DOI: 10.1002/advs.202306935)可以有效克服代谢途径进化https://www.siat.ac.cn/kyjz2016/202402/t20240221_6963199.html
20.NanoEdgeAIStudioNanoEdgeAIStudio - 面向STM32开发人员的自动化机器学习(ML)工具, STNEAISOLOLIC, STNEAISPR1, STNEAISPR4, STNEAITEAMLIC, STNEAISTUDIO, STNEAISPR2, STNEAISPR3, STMicroelectronicshttps://www.st.com/zh/development-tools/nanoedgeaistudio.html