NVIDIA Jetson助力AI教育教学与视觉感知应用创新

计算机视觉在过去几年中取得了巨大的进步和发展,主要得益于深度学习等技术的创新和应用。计算机视觉在多个核心机器感知问题上,如图像分类、目标检测、人脸识别、场景理解等,都实现了显著的性能提升和突破。目前,该领域仍然面临着一些基础性和关键性的难题,如如何有效地识别和处理复杂场景中的动态变化、遮挡、光照等干扰因素,如何建立合理和可靠的三维场景模型和因果关系模型,如何评估和验证计算机视觉系统的可信度和稳定性。模型创新方面,神经辐射场可以在任意角度和距离下呈现对象任意点的颜色和密度值,呈现高度逼真的三维模型,近年来得到了广泛的研究和应用。

随着技术和方法论不断完善和创新,涌现了多种类型和形式的计算机视觉系统,其中边缘AI计算系统的发展,使得相关技术在不同行业、不同场景中的应用愈发成熟。与此同时,各行各业也出现了相应的人才缺口,需要具备AI知识、尤其是懂得边缘AI部署的工程师推动相关技术的进一步落地,促进交通、零售、物流、机器人等相关行业的不断创新,因此AI教育教学工作的重要性与日俱增。

10月26日,来自中电港、创乐博智能科技以及华东师范大学的三位专家,将为大家带来NVIDIA Jetson系列产品以及NVIDIA Isaac平台的介绍,分享基于Jetson的AI教育教学实训项目,同时阐释三维重建、神经辐射场在内的图形图像生成技术和机器感知背后的原理,以及感知技术在Jetson平台的用例实践,推动基于NVIDIA Jetson的边缘计算系统的教育实践普及与其在视觉感知领域的应用创新。

活动亮点

1. 了解专注于边缘AI计算的NVIDIA Jetson系列产品。

2. 基于NVIDIA Jetson的实验套件产品在教育行业的实训项目。

3. 三维重建、神经辐射场等图像生成技术以及机器感知背后的原理和相关前沿工作。

扫码报名参加


嘉宾介绍

王之卓 中电港 现场应用工程师

个人介绍:2020年加入中电港,任职于NVIDIA产品技术支持岗位,主要负责NVIDIA Jetson系列产品的支持。

🔥演讲题目:NVIDIA Jetson与Isaac概览

演讲提纲:

1.NVIDIA Jetson平台介绍

2.NVIDIA Isaac平台介绍

3.NVIDIA Jetson Developer Kit介绍与推广

朱林 湖南创乐博智能科技有限公司 研发总监

个人介绍:从事十多年教学教育设备研发经历,湖南创乐博智能科技有限公司联合创始人,担任创乐博研发总监职位!

🔥演讲题目:基于jetson 实验套件产品赋能人工智能教学

演讲提纲:介绍基于jetson 实验套件产品形态在教育行业的实训项目

提纲:纵观目前AI人工智能课程的开课情况来看,主要还是重理论轻实践的一个情况,要么就是在通用电脑上用一些人工智能框架(PyTorch、Tensorflow)来进行一些简单的实训,所以基于我们多年来对这种现状的了解,结合人工智能课程本身就是一门偏实际应用的课程,我们带来了一款基于Jetson系列入门级别的Jetson Nano开发的实训产品,该产品可以有浅至深的来对AI人工智能课程做大量的实践,让人工智能课程的学习具有实操性和应用落地,让枯燥乏味的课程变得生动有趣,结合了大量的纸质教程和手把手教程为人工智能教育赋能!

🎁听众收益

1.如何借助jetson系列产品赋能教学教育;

2.什么形态的产品更加便于人工智能教学;

3.人工智能教学知识图谱如何构建;

李洋 华东师范大学 副教授

个人介绍:华东师范大学计算机科学与技术学院副教授。其博士毕业于浙江大学计算机学院,曾赴美国加州大学圣地亚哥分校(UCSD)电子计算工程学院Advanced Robotics and Controls Laboratory (ARCLab)进行机器人相关领域学术交流访问。其主要研究方向为计算机视觉、机器学习以及机器人感知。已在包括CVPR、AAAI、IJCAI、ECCV、ICRA、RAL、TMM等国际顶级人工智能、计算机视觉、机器人领域会议和期刊上发表十余篇论文,获得2项发明专利以及2项美国专利。谷歌学术他引累积4k余次,已成为包括AAAI、IJCAI、ICRA、MM Asia等顶级国际会议的程序委员,AAAI 2019以及ICONIP 2020分会场主席,以及 IEEE TIP、RAL、TMM、TCSVT等多个国际期刊的审稿人。任教前,李博士曾从事包括视频游戏引擎开发、手游系统性能分析以及人工智能系统开发等系统平台开发与研究工作

🔥演讲题目:元宇宙中的计算机视觉及机器感知用例实践

演讲提纲:本次报告将从计算机视觉的内容出发,阐释元宇宙与人工智能等话题里的视觉技术,其中包括虚拟人构建、场景重建、物体重建以及神经渲染等内容。本讲座拟介绍包括三维重建、神经辐射场在内的图形图像生成技术以及机器感知背后的原理,分享在NVIDIA Jetson AGX Orin 平台上的用例实践,同时对相关应用及前沿工作做简单介绍。

扫码报名参加

相关推荐

  • B站数据质量保障体系建设与实践
  • DeepMind:大模型又曝重大缺陷,无法自我纠正推理,除非提前得知正确答案
  • H800/A800受限牵涉「云上算力」!美正酝酿新规管制云服务
  • GPT-4不知道自己错了! LLM新缺陷曝光,自我纠正成功率仅1%,LeCun马库斯惊呼越改越错
  • 220亿晶体管,IBM机器学习专用处理器NorthPole,能效25倍提升
  • 清华朱文武团队:开源世界首个轻量图自动机器学习库AutoGL-light
  • UC伯克利团队开源MemGPT大模型上下文内存管理方案;AgentLM、多模态Fuyu-8B、数学LLEMMA等专用大模型开源
  • 解决大模型复现难、协作难, 这支95后学生团队打造了一个国产AI开源社区
  • ChatGPT与DALL·E 3之间的行业「黑话」被人发现了
  • 一行代码提高大模型10%性能,开发者:免费午餐
  • 让大模型看图比打字管用!NeurIPS 2023新研究提出多模态查询方法,准确率提升7.8%
  • 陶哲轩疯狂安利Copilot:它帮我完成了一页纸证明,甚至能猜出我后面的过程
  • 百岁数学巨匠陨落!丘成桐视他为师,90岁依旧研究数学
  • CPU&GPU天梯图(2023年最新版)
  • 【学术相关】中国科学院院士谈避坑:这10种导师千万不要选!
  • 有哪些值得计算机专业学生加入的国企?
  • 上月做私活比主业赚得多...
  • 直接放大推荐模型可行吗?存在什么问题?
  • 知名巨头宣布:做四休三!
  • "雪糕刺客”真的不行了?“钟薛高”裁员欠薪的背后......