每年有近3200万人通过孟加拉国际机场（BLR），这是世界上人口最多的国家中最繁忙的机场之一。 为了为这么多人提供更安全、更快捷的体验，这座位于原名班加罗尔的城市的机场正在利用由Industry.AI提供支持的视觉AI技术。 作为NVIDIA Metropolis视觉AI合作伙伴生态系统的成员，Industry.AI已经在BLR最新的T2航站楼（也被称为花园航站楼，因为它拥有室内花园和瀑布）部署了其视觉AI平台。这是印度机场规模上的智能视频分析的首批部署之一。 BLR最新航站楼中的绿化。 Industry.AI通过使用视觉AI和目标检测来追踪遗弃的行李、标记长队并向安全团队发出潜在问题的警报等应用案例，提高了航站楼的运营安全性和效率。 通过使用视觉AI识别拥堵点并预测延误，工作人员可以主动将乘客引导到人流较少的区域，或者提供信号以开放额外的检查点，从而减少等待时间，提升乘客体验。 “在这个规模上部署视觉AI对我们来说是第一次，”BLR母公司的首席信息官George Fanthome表示。“通过采用这些先进的深度学习技术，我们力争成为世界上最好的机场之一，并为我们的客户提供最佳体验。” 更智能、更安全的机场运营 Industry.AI平台将BLR航站楼的500多个实时摄像头连接到视觉AI技术，可以实时完成近十几项任务。 首先，该平台可以检测到行李或钱包被遗忘。 它还有助于管理航站楼入口、办理登机手续柜台、安检通道和其他区域的乘客排队。机场工作人员可以根据AI平台收集的乘客运动的历史数据，主动进行任务。 Industry.AI首席执行官Tejpreet Chopra表示：“我们的平台通过实时可视化和传感器反馈的仪表板，加快了高峰运营时段的乘客流动速度，向机场工作人员提醒排队时间超过最佳时间。”。“这样可以使机场工作人员在最短的时间内对情况做出响应。” 未经授权的人员和车辆在机场也可以被实时跟踪并向平台的用户发出警报，以增强安全性。此外，Industry.AI还可以检测到航站楼外部车辆的超速违规行为，有助于管理旅行枢纽周围的安全交通。 AI帮助管理BLR内外交通。 Industry.AI使用NVIDIA TAO Toolkit和A100 Tensor Core GPU来训练其AI模型。对于AI推理，该公司使用NVIDIA Triton Inference…
Leave a CommentTag: Transportation
NVIDIA将在下周的计算机视觉和模式识别会议（CVPR）上，作为自主驾驶开发中激烈争夺的3D占用预测挑战的优胜者进行展示，该会议将在加拿大温哥华举行。 该比赛来自来自10个地区的近150个团队的400多个提交。 3D占用预测是预测场景中每个体素的状态的过程，即3D俯视图网格上的每个数据点。体素可以被识别为自由、占用或未知。 3D占用网格预测对于安全和强大的自动驾驶系统的发展至关重要，它利用最先进的卷积神经网络和变压器模型为自主驾驶车辆（AV）规划和控制堆栈提供信息，这些模型是由NVIDIA DRIVE平台启用的。 “NVIDIA的获胜解决方案具有两个重要的AV进展，” NVIDIA的学习和感知的高级研究科学家Zhiding Yu说。“它展示了一种最先进的模型设计，可以提供出色的俯视感知。它还展示了具有10亿个参数和大规模预训练的视觉基础模型在3D占用预测中的有效性。” 自主驾驶的感知在过去几年中已经从处理2D任务（例如检测图像中的对象或自由空间）发展到使用多个输入图像推理世界中的3D。 这现在为复杂交通场景中物体提供了灵活而精确的细粒度表示，这是“实现自主驾驶的安全感知要求至关重要的，” NVIDIA的AV应用研究总监和杰出科学家Jose Alvarez说。 于将在CVPR的端到端自主驾驶研讨会上介绍NVIDIA研究团队的获奖作品，时间为6月18日星期天上午10:20，以及在6月19日星期一下午4:00举行的视觉中心自主驾驶研讨会上介绍。 除了在比赛中获得第一名外，NVIDIA还将在会议上获得创新奖，该奖项表彰了其“对视图转换模块开发的新见解”，与以前的方法相比，“性能大幅提高”，根据CVPR研讨会委员会的说法。 请阅读NVIDIA提交的技术报告。 3D占用预测使车辆更安全 虽然传统的3D对象检测（检测和表示场景中的对象，通常使用3D边界框）是AV感知中的核心任务，但它也有其局限性。例如，它缺乏表现力，这意味着边界框可能不表示足够的现实世界信息。它还需要为所有可能的对象定义分类和基本真实，甚至包括在现实世界中很少见到的对象，例如可能从卡车上掉落的道路障碍。 相比之下，3D占用预测为自驾车的规划堆栈提供了丰富的关于世界的信息，这对于端到端自驾车是必要的。 软件定义的车辆可以持续升级，使用随时间证明和验证的新发展。来自研究倡议的最先进的软件更新，如CVPR所认可的更新，正在为新功能和更安全的驾驶功能提供支持。 NVIDIA DRIVE平台为汽车制造商提供了一条通往生产的道路，为安全可靠的AV开发提供全栈硬件和软件，从汽车到数据中心。 CVPR挑战赛详情 CVPR的3D占用预测挑战要求参与者在推理期间仅使用相机输入开发算法。参与者可以使用开源数据集和模型，促进数据驱动算法和大型模型的探索。组织者为最新的实际场景中最先进的3D占用预测算法提供了基线沙盒。 NVIDIA在CVPR上 NVIDIA将在CVPR上展示近30篇论文和演示。将讨论自动驾驶的专家包括：…
Leave a Comment