-
公开(公告)号：CN113454636B
公开(公告)日：2024-10-29
申请号：CN201980085815.5
申请日：2019-12-27
申请人： 辉达公司
发明人： 杨轶林 , B·S·S·朱雅瓦拉普 , P·贾妮斯 , 叶肇庭 , S·奥 , M·帕克 , D·赫雷拉·卡斯特罗 , T·科伊维斯托 , D·尼斯特
摘要： 在各种示例中，训练深度神经网络(DNN)以便仅使用图像数据在部署中准确地预测对象和障碍之间的距离。可以使用来自任何数量的深度预测传感器的传感器数据产生和编码DNN的地面实况数据训练DNN，所述深度预测传感器例如不限于RADAR传感器，LIDAR传感器和/或SONAR传感器。在各种实施例中可以使用相机自适应算法，以使DNN适用于与具有不同参数(例如改变视场)的相机生成的图像数据。在一些示例中，可以对DNN的预测执行后处理安全边界操作，以确保预测落入安全允许的范围内。
-
公开(公告)号：CN113228042B
公开(公告)日：2024-09-06
申请号：CN201980085630.4
申请日：2019-12-27
申请人： 辉达公司
发明人： 杨轶林 , B·S·S·朱雅瓦拉普 , P·贾妮斯 , 叶肇庭 , S·奥 , M·帕克 , D·赫雷拉·卡斯特罗 , T·科伊维斯托 , D·尼斯特
摘要： 在各种示例中，训练深度神经网络(DNN)以便仅使用图像数据在部署中准确地预测对象和障碍之间的距离。可以使用来自任何数量的深度预测传感器的传感器数据产生和编码DNN的地面实况数据训练DNN，所述深度预测传感器例如不限于RADAR传感器，LIDAR传感器和/或SONAR传感器。在各种实施例中可以使用相机自适应算法，以使DNN适用于与具有不同参数(例如改变视场)的相机生成的图像数据。在一些示例中，可以对DNN的预测执行后处理安全边界操作，以确保预测落入安全允许的范围内。
-
公开(公告)号：CN113228042A
公开(公告)日：2021-08-06
申请号：CN201980085630.4
申请日：2019-12-27
申请人： 辉达公司
发明人： 杨轶林 , B·S·S·朱雅瓦拉普 , P·贾妮斯 , 叶肇庭 , S·奥 , M·帕克 , D·赫雷拉·卡斯特罗 , T·科伊维斯托 , D·尼斯特
摘要： 在各种示例中，训练深度神经网络(DNN)以便仅使用图像数据在部署中准确地预测对象和障碍之间的距离。可以使用来自任何数量的深度预测传感器的传感器数据产生和编码DNN的地面实况数据训练DNN，所述深度预测传感器例如不限于RADAR传感器，LIDAR传感器和/或SONAR传感器。在各种实施例中可以使用相机自适应算法，以使DNN适用于与具有不同参数(例如改变视场)的相机生成的图像数据。在一些示例中，可以对DNN的预测执行后处理安全边界操作，以确保预测落入安全允许的范围内。
-
公开(公告)号：CN113454636A
公开(公告)日：2021-09-28
申请号：CN201980085815.5
申请日：2019-12-27
申请人： 辉达公司
发明人： 杨轶林 , B·S·S·朱雅瓦拉普 , P·贾妮斯 , 叶肇庭 , S·奥 , M·帕克 , D·赫雷拉·卡斯特罗 , T·科伊维斯托 , D·尼斯特
摘要： 在各种示例中，训练深度神经网络(DNN)以便仅使用图像数据在部署中准确地预测对象和障碍之间的距离。可以使用来自任何数量的深度预测传感器的传感器数据产生和编码DNN的地面实况数据训练DNN，所述深度预测传感器例如不限于RADAR传感器，LIDAR传感器和/或SONAR传感器。在各种实施例中可以使用相机自适应算法，以使DNN适用于与具有不同参数(例如改变视场)的相机生成的图像数据。在一些示例中，可以对DNN的预测执行后处理安全边界操作，以确保预测落入安全允许的范围内。
-
-
-
搜索结果
4 条记录 (耗时 0.025 秒)
