专栏名称: 计算机视觉研究院
主要由来自于大学的研究生组成的团队,本平台从事机器学习与深度学习领域,主要在人脸检测与识别,多目标检测研究方向。本团队想通过计算机视觉战队平台打造属于自己的品牌,让更多相关领域的人了解本团队,结识更多相关领域的朋友,一起来学习,共同进步!
目录
相关文章推荐
医学影像沙龙  ·  千万不要把这个误诊为骨质破坏! ·  昨天  
深圳特区报  ·  听,深圳女代表委员全国两会履职好声音 ·  昨天  
蒲公英Ouryao  ·  避开这些雷区,计算化系统验证更高效 ·  2 天前  
医学界  ·  北大、耶鲁毕业,她将出任诺华海外高管 ·  3 天前  
深圳特区报  ·  2025“深圳杯”来了!这些赛事最精彩→ ·  2 天前  
51好读  ›  专栏  ›  计算机视觉研究院

2025目标检测应用有哪些量产技术路线?

计算机视觉研究院  · 公众号  ·  · 2025-02-17 11:30

正文

高阶L3智驾正在飞速迭代,城市NOA全国都能开飞速普及。端到端智驾去年霸榜整个行业之后, 2025年也注定继续成为各家车企竞相量产落地的技术及发力点。

对于自动驾驶从业者和即将入场智驾行业的人来说,从传统的规则驱动逻辑开发,转向数据驱动的模型开发,其中跨度之大, 几乎是两个专业的差别。

为帮助开发者和研究者掌握智驾前沿技术,研梦非凡邀请了曾在多家车企担任算法研究院的张导师 正式上线《2025新拐点!端到端自动驾驶系统开发训练营》 助你掌握 「感知决策联合优化、场景表征压缩、动态规划推理等核心技术,构建完整的端到端自动驾驶开发能力。」 (下滑查看课程详情)

👇🏻 扫码加助教免费领1000篇顶会论文!

AAAI2024共111篇+CVPR 2024 88篇+ICML 2024 67 篇+NeurIPS 2024共106篇+ICLR2024共106篇+多模态大模型必读论文170篇

适合哪些人群?

适合的群体:
  • 想进入智驾行业的计算机视觉与机器人学专业学生
  • 自动驾驶算法工程师及研究人员
  • 想技术进阶的智能驾驶系统架构师
  • 高精地图与场景建模开发者
  • 希望转型自动驾驶领域的AI工程师
  • 车企智能化部门技术决策者

不适合群体:

  • 由于数据量较大,对显卡和机器要求很高,不太适合GPU比较紧张的小伙伴~
👇🏻 扫码加助教开课立享福利价!

凡添加即可免费试看2节课! 还可领取1000+顶会论文

二、能收获什么?

  1. 掌握端到端架构设计: 理解感知-决策联合优化原理,学习多任务网络融合技术
  2. 精通场景表征技术: 掌握矢量化编码(VAD)、稀疏建模(SparseDrive)等前沿方法
  3. 构建规划推理能力:深入解读UniAD的规划导向架构,学习动态场景下的轨迹预测
  4. 掌握工业级优化技巧:学习模型训练和优化,学习数据集构建和评价方案
  5. 实战全流程开发: 完成从论文学习到代码学习的完整项目闭环

三、能帮助到你什么?

  • 直击技术最前沿
  1. 9节课深度解析CVPR 2023-2024精选论文(UniAD/VAD/SparseDrive)
  2. 覆盖自动驾驶最前沿BEV感知、矢量化场景表征、稀疏注意力等前沿核心技术
  • 理论实践并重,实战驱动
    1. 理论课程紧跟行业前沿,配合实践操作演练
    2. 邀请行业资深专家作为授课老师,传授宝贵经验
    3. 学完课程能够真实运用所学解决自动驾驶感知决策实际问题,拥有自主落地能力。
  • 就业无忧,助力职业发展
    1. 掌握自动驾驶领域前沿技术,提供就业指导,助力顺利加入行业头部公司 (蔚小理等)

      👇🏻 扫码加助教即可 免费试看2节课!

      还可领取1000+顶会论文

    四、实战训练营大纲(9节课)

    1. 第一节课:  UniAD:Planning-oriented Autonomous Driving 论文泛读(2月19号) 免费试看!!!

    亮点: 教你如何有效阅读论文,大致梳理文章结构,解构文章,梳理重点章节。

    1. 第二节课:UniAD:Planning-oriented Autonomous Driving 论文精读(2月20号) 免费试看!!!

    亮点: 根据文章梳理对应公式,理清重点段落流程,细化结构。

    1. 第三节课:UniAD:Planning-oriented Autonomous Driving 代码详解

    亮点: 分析及推导公式,根据公式手把手教写相应代码,重构论文,在复现的基础上做创新,提升自己的工程能力。

    1. 第四节课: VAD:Vectorized Scene Representation for Efficient Autonomous Driving 论文泛读

    2. 第五节课: VAD:Vectorized Scene Representation for Efficient Autonomous Driving 论文精读

    3. 第六节课:VAD:Vectorized Scene Representation for Efficient Autonomous Driving 代码详解

    4. 第七节课: SparseDrive: End-to-End Autonomous Driving via Sparse Scene Representation 论文泛读

    5. 第八节课: SparseDrive: End-to-End Autonomous Driving via Sparse Scene Representation 论文精读

    6. 第九节课: SparseDrive: End-to-End Autonomous Driving via Sparse Scene Representation 代码详解

      👇🏻 扫码加助教即可 免费试看2节课!

      还可领取1000+顶会论文

    五、讲师介绍

    计算机视觉领域高级研究员。硕士期间研究方向为模式识别、计算机视觉。曾在多家汽车公司担任算法研究员,目前仍在车企从事算法研究工作。

    【科研成果】 在国际顶级会议等发表3篇论文,5项国际发明专利, 在计算机视觉领 域有大量落地经验,擅长理论与实际结合让学生快速掌握前沿知识。

    【招收学生方向】 计算机视觉,自然语言处理,高效模型压缩算法,多模态大语言模型,包括模型量化,剪枝,蒸馏,编译以及高效稀疏化训练与推理,深度学习全栈研究。

    六、课程服务

    课程形式及时长

    9节直播课,每节1小时左右

    本号粉丝免费试看两节直播课!!!

    (金杯银杯不如同学们的口碑,最终购买权在同学们手上!)

    👇🏻 扫码加助教即可 免费试看2节课!

    还可领取1000+顶会论文

    课程服务

    1. 配套课程资料:课程PPT






    请到「今天看啥」查看全文