自动驾驶

萧敬腾实力代言 零接触智能交互SUV EX5-Z重磅上市

℡╲_俬逩灬. 提交于 2020-08-06 10:42:52
5月10日,威马汽车通过近百家主流平台联合直播的方式,开启主题为“IMAGINEDAY威马畅想日”的线上发布会。发布会上,威马品牌焕新计划正式发布,向消费者展示了以“人本科技”为核心的未来品牌战略,并携手品牌头号实力代言人萧敬腾先生,以智能科技重新定义品牌! 同时,威马首款纯电轿车的量产概念版Maven在本次发布会惊艳亮相,其NEDC综合续航里程达到800km,具备L4级别自动驾驶能力和5G互联技术;零接触智能交互纯电SUV”全新威马EX5-Z重磅上市,新车共推出三款车型,补贴后售价区间为14.98万元—19.88万元,用户可享受“0首付”限时零售金融方案和3年免费充电权益。 以“人本科技”为核心,威马品牌焕然一新 威马汽车创始人、董事长兼CEO沈晖在发布会上表示,作为智能汽车头号实力派,威马以“智能、精致、轻松、有趣、包容”为品牌核心DNA,旨在让每个家庭都能拥有智能汽车,让智能驾驶成为用户日常,让用户享受智能科技带来的愉悦出行体验。 威马汽车创始人、董事长兼CEO沈晖 携手品牌头号实力代言人萧敬腾,全速驶入“智趣时代” 明星代言人是威马品牌焕新的重要一步。作为顶级独角兽的威马汽车,再次领跑,成为业内首家携手明星代言人的智能汽车品牌,与萧敬腾强强联手,以极致畅想焕新未来,全速驶入“智趣时代”! 威马头号实力代言人萧敬腾 800km超长续航

CVPR 2020 | 将深度学习算法应用于移动端最新研究汇总

梦想与她 提交于 2020-08-06 09:23:53
点击上方“ 3D视觉工坊 ”,选择“星标” 干货第一时间送达 作者:Derrick Mwiti 编译:ronghuaiyang 导读 边缘设备上的机器学习是未来的一大方向。 在最近结束的2020年CVPR会议上,有很多优秀的计算机视觉研究。在本文中,我们将重点关注与移动或与边缘计算相关的任务和内容。虽然并非所有这些论文都直接接触到移动相关的应用,但它们对移动端机器学习的影响是巨大的。它们推动了通常在移动设备和边缘设备上执行的ML任务,因此它们的进步对推动行业向前发展至关重要。 智能手机摄影的感知质量评估 本文作者对智能手机摄影的感知质量评估进行了深入的研究。他们还引入了智能手机摄影属性和质量(SPAQ)数据库。该数据库包含66部智能手机拍摄的11,125张照片。每个图像都有丰富的标注信息。 论文地址:http://openaccess.thecvf.com/content_CVPR_2020/html/Fang_Perceptual_Quality_Assessment_of_Smartphone_Photography_CVPR_2020_paper.html 作者还收集了人们对每张图片的看法。收集的一些信息包括图像质量、图像属性、图像属性和场景类别标签。为了进行更深入的分析,他们还记录了每张图像的可交换图像文件格式(EXIF)。然后

最新综述:深度学习图像三维重建最新方法及未来趋势

爱⌒轻易说出口 提交于 2020-08-06 07:58:30
点击上方“ 3D视觉工坊 ”,选择“星标” 干货第一时间送达 今天分享的是: 深度学习领域基于图像的三维物体重建最新方法及未来趋势综述。 原文: Image-based 3D Object Reconstruction: State-of-the-Art and Trends in the Deep Learning Era 论文下载:https://arxiv.org/abs/1906.06543 摘要 : 三维重建是计算机视觉计算机图形学和机器学习等领域几十年来一个不适定问题。从2015年开始使用CNN解决基于图像的三维重建(image-based 3D reconstruction)有了极大的关注并且展示出强大的性能。在新时代的快速发展下,我们提供了这一领域详细的调研。本文章专注于从RGB图像估计三维物体形状的深度学习方法。除此之外我们还回顾了关于特定物体(如人脸)的近期研究。我们一些重要论文性能的分析和比较,总结这一领域的现有问题并讨论未来研究的方向。 本文是深度学习做三维重建的一篇综述 对自2015年以来本领域的149个方法做详尽的回顾 深入分析深度学习三维重建的各个方面,包括训练集,网络架构选择以及重建结果,训练技巧和应用场景 总结对比了普遍的三维重建算法(88种),本文还包含了三维人脸重建算法(11种),人体形状重建算法(6种方法) 问题陈述和分类 假设 为物体

今年最大自动驾驶收购案诞生,曾经“融资王”Zoox估值腰斩卖身亚马逊|业内点评

点点圈 提交于 2020-08-06 06:58:40
  一边是亚马逊——全球市值最高公司之一,另一边的 ZooX 则是美国头部自动驾驶公司,疫情尚未结束,两者促成了今年自动驾驶最大收购案,这也是本年度大型科技公司的最大并购之一。    美国当地时间 6 月 26 日,亚马逊正式宣布收购美国自动驾驶公司 Zoox,这一传闻已久的收购终于敲定。      虽然交易双方均未对收购价格进行表态,但《金融时报》报道称,收购价格超过 12 亿美元。对 Zoox 来说,这一标价甚至不到上一轮融资时估值(32 亿美元)的一半,而对亚马逊来说,这是其在自动驾驶领域最重磅的一次出手。    一位来自国内 L4 级自动驾驶公司的高管告诉 DeepTech,像亚马逊这样的物流公司、电商平台在收购 Zoox 这样的科技初创,可以理解成大型的应用场景里面的龙头收购与其领域或者应用场景相关的科技公司,这是非常符合逻辑的做法。    同时他认为,未来自动驾驶行业还将继续出现类似收购案,除了亚马逊,其他大型场景方同样可能会做出类似的动作,包括中国和国外。而国内的场景方则包括了包括快递、电商、物流、码头等领域大型公司。    “融资王”低价卖身    Zoox 成立于 2014 年 7 月,总部位于美国加州。据 CB Insight 数据,Zoox 成立以来融资总额接近 10 亿美元。最近的一次融资完成于 2019 年 10 月,金额为 2 亿美元。融资完成后

工作能力强的人有哪些共同特征?

蓝咒 提交于 2020-08-06 05:38:45
点击上方“ 3D视觉工坊 ”,选择“星标” 干货第一时间送达 本文整理自知乎问答,仅用于学术分享,著作权归作者所有。 如有侵权,请联系后台作删文处理。 观点一 作者|马力和知群 https://www.zhihu.com/question/28880482/answer/43434644 带过不少人,说自己的观察: 当我们有一项工作要做时,只需要指出一个大概方向,有的伙伴就可以欢快的向前冲,自己找到各种可能性,自己探路,而不是等待下一个「指示」。他们手里总是有事情做。 做事情的时候,有些伙伴的目标不是完成,而是比上一次更好,并且能够总结和反思。竞争对手永远是自己,永远是上一次,这样总是在前进。 每个人都会周期性的遇到瓶颈,有些伙伴选择有技巧的死磕,当时没感觉怎么样,六个月后再回眸,发现自己已经进阶了一大步。 有些伙伴遇到比自己强的人,有如看到了宝库,有太多自己可以学习的地方,不放过任何机会,有些伙伴则心理承受不了,不是勇往直前而是选择放弃,更愿意呆在自己的舒适区间。 发现了自己的问题,或者被别人指出了问题,有些伙伴会欣喜若狂,觉得赚到了,有了收获,以后就可以修正这个问题了,而有些伙伴则开始启动防御模式。 不做老好人是很多做的好的伙伴的共同之处,特别是负责一块工作、带领一个团队的伙伴,为了避免争议而做老好人,本质上是自私的,因为本应该对于工作、对于一群人、一个团队负起责任。

做目标检测,这6篇就够了:CVPR 2020目标检测论文盘点

时光毁灭记忆、已成空白 提交于 2020-08-06 04:02:39
点击上方 “ 小白学视觉 ”,选择加" 星标 "或“ 置顶 ” 重磅干货,第一时间送达 选自heartbeat 作者: Derrick Mwiti 转载:机器之心 参与:陈萍 CVPR 2020 会议上,有哪些目标检测论文值得关注? 目标检测是计算机视觉中的经典问题之一。凭借大量可用数据、更快的 GPU 和更好的算法,现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。 前不久结束的 CVPR 2020 会议在推动目标检测领域发展方面做出了一些贡献,本文就为大家推荐其中 6 篇有价值的目标检测论文。 论文清单 A Hierarchical Graph Network for 3D Object Detection on Point Clouds HVNet: Hybrid Voxel Network for LiDAR Based 3D Object Detection Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud Camouflaged Object Detection Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector D2Det: Towards High-Quality

马斯克:特斯拉非常接近L5自动驾驶,特斯拉:我撞个警车给你看

隐身守侯 提交于 2020-08-06 03:46:01
   特斯拉又双叒撞车了,这次是警车……    撰文 | 蛋酱、张倩   「在特斯拉,我觉得我们已经非常接近L5级自动驾驶了。我有信心,我们将在今年完成开发L5级别的基本功能。」   在前几天的世界人工智能大会上,马斯克才这么说过。言犹在耳,另一边,一辆特斯拉就在美国撞上了警车。   当地时间周二,一辆黑色的特斯拉Model S在亚利桑那州本森附近的10号州际公路上与警车相撞,继而导致警车与一辆救护车发生碰撞。幸运的是,救护车驾驶员未受伤,事故发生时警车上也无人乘坐。   特斯拉Model S的司机是一位来自加州尔湾市的23岁男子,因事故受伤但无生命危险。目前他已被带到附近的医院进行治疗和酒驾检测。这位司机表示,在车辆发生碰撞时,他正在使用特斯拉的Autopilot自动驾驶辅助系统。   随后,亚利桑那州公共安全部发布推文提示:「当看到闪烁的灯光和停在路边的车辆时,请减速且避开!」   这只是特斯拉及其自动驾驶系统的系列交通事故中的一件。   2018年,美国国家公路运输安全管理局(NHTSA)调查了一起犹他州发生的自动驾驶交通事故,当时那台Model S撞上了时速60英里的消防车。在后续调查中,司机承认自己没有全程将手放在方向盘上。大概有80秒的时间,方向盘是无人掌控的。而且事故发生时,司机正在看手机。   当时,马斯克发推文表示,「(Autopilot)当然需要改进

AI力量大集结!中国团队首次在Nature子刊发布中国AI全景论文

旧巷老猫 提交于 2020-08-06 03:36:30
  机器之心发布    机器之心编辑部       由 AI 青年科学家联盟牵头,15 位国内大学教授和企业界 AI 领军人物合作在 Nature Machine Intelligence 上发布了 AI in China 的全景报告。   今年 6 月,由 AI 青年科学家联盟 · 梧桐汇牵头,联盟学术委员会主席、中国工程院院士潘云鹤作为通讯作者,15 名来自中国学界和 AI 产业界的领军人物联手,在 Nature Machine Intelligence 上发表了论文《Towards a new generation of artificial intelligence in China》。   这是中国人首次在国际顶级学术期刊上发表关于 中国 AI 全景 的论文。      文章链接:https://www.nature.com/articles/s42256-020-0183-4   人工智能已成为全球新一轮产业转型的主要推动力。许多国家,包括中国在内,正在把握这次人工智能变革的机遇,以促进国内经济和技术的发展。   中国人工智能研究人员正在探索包括深度学习在内的新一代人工智能技术,计划与来自世界各地的研究人员和工程师合作建立一个开放的国际研究平台,从而为人类做出重要的科学贡献。   于是,浙江大学、上海交通大学、香港中文大学、清华大学、南京大学、香港科技大学

沃尔沃量产自动驾驶,和Waymo合作开发电动机器人轴

℡╲_俬逩灬. 提交于 2020-08-05 19:02:53
沃尔沃和Waymo提供了关于合作伙伴关系以及合作伙伴关系的具体细节,只是两家公司“将首先合作将Waymo Driver集成到一个全新的以移动性为重点的电动汽车平台中,以提供乘车服务。” “首先共同努力”这一短语表明将会有更多人来。我们知道,新的汽车平台将具有4级自动驾驶能力,这是SAE的指定,这意味着它可以处理特定地理区域或特定天气和道路条件下的所有驾驶。 两家公司周四宣布建立合作伙伴关系,将Waymo的自动驾驶软件集成到专为乘车而设计的新型电动汽车中。Waymo的 无人驾驶软件的足迹正在扩大,这次与沃尔沃汽车集团合作。 合伙企业还包括沃尔沃汽车集团旗下的其他子公司,包括电动性能品牌Polestar和Lynk&Co. International,沃尔沃汽车集团首席技术官Henrik Green在其准备的声明中特别指出了这一点。 沃尔沃汽车集团首席技术官亨里克·格林在一份声明中说:“全自动驾驶汽车有潜力将道路安全提高到前所未有的水平,并改变人们的生活,工作和旅行方式。” “我们与Waymo的合作为Volvo Cars,Polestar和Lynk&Co开辟了令人兴奋的新商机。” 广州大黄蜂人工智能技术有限公司CEO郭盛华透露:“Waymo的策略一直是与汽车制造商合作。Waymo负责其硬件套件,软件和计算系统的设计。然后,它与汽车制造商合作,制造易于与其所谓的Waymo

神经网络剪枝,知识蒸馏,以及模型优化设计

痞子三分冷 提交于 2020-08-05 13:06:20
一.神经网络压缩 在如今人工智能的浪潮之下,深度学习在不少领域都取得了不错的成果。但是目前在边缘计算,物联网设备上的算力相比于我们的台式计算机还不太充足,我们在计算机上用于拟合的神经网络参数过多,不太适合运行在算力较弱的设备上,比如无人机,手机,平板电脑,自动驾驶汽车等等。因此我们需要将在计算机上训练好的神经网络通过某种技巧将其进行压缩,减少模型的参数,这样训练好的模型就可以迅速在这些边缘计算的设备上部署,同时达到和计算机上训练模型几乎一致的效果。比如我们常用的图像分类的模型VGG,通过改良后的MobileNet,计算量减少了10倍,输出的准确度结果甚至超越了AlexNet,准确率比Google InceptionNet也只少了0.7个百分点。那么我们有什么方法进行神经网络的压缩呢?目前比较常用的则是神经网络的剪枝,知识蒸馏,以及模型优化设计者三个方法。 二.神经网络剪枝 其实我们拟合的神经网络,很多网络的参数都过于多了,有些神经元在对结果进行的预测的时候并没有什么用,甚至是具有负面的作用。因此我们需要将其“ 拆除 ”。 拆除网络当中某些参数的方法如下: 1.剪掉权重weight约等于0的weight,让两个神经元之间失去连接 2.查看某个神经元经过activation之后的输出是否接近于零,如果接近于零,则剪掉这个神经元 3.在修剪完整个网络之后,识别的准确度肯定会下降