計算機視覺是一個復雜且具有挑戰性的領域，深度學習的進一步發展為該領域提供了許多豐富的解決方案。
計算機視覺和深度學習常應用於自動駕駛、人臉和圖像識別等領域的技術研發和升級，為各行業帶來了以數據為支撐的未來新思考。
復旦大學大數據學院 Zhang Vision Group 成立於 2020 年，研究方向為計算機視覺和深度學習，其目標是通過神經網絡的數學模型理解物體、場景和運動的最通用表示，賦能下一代人工智能《AI》。
目前，該課題組正致力於開展計算機視覺驅動的自動駕駛研究，其采用了 NVIDIA 認證的服務器，搭配最新的 NVIDIA RTX 6000 Ada 架構 GPU，為實驗提供了兼具可靠性、可擴展性、高性能的運行平臺，提升了計算機視覺模型的訓練速度和模型性能。
數據和模型體量加大 GPU 顯存與計算性能壓力
自動駕駛開發涵蓋多個方面，不僅包含車輛自身相關的行駛功能，還需要『訓練』自動駕駛汽車如同人類駕駛員一般『觀察』道路環境、『識別』突發狀況並及時做出相應操作以保證行駛的安全性。
在此過程中，開發人員逐漸引入計算機視覺和深度學習，以提升車輛定位、道路識別、障礙物檢測和障礙物跟蹤等方面的準確性。
Zhang Vision Group 在研究計算機視覺驅動的自動駕駛過程中發現，隨著研究范圍的拓寬和研究內容的深入，需要處理的相關數據集越來越大、模型的復雜度越來越高，對現有 GPU 顯存和計算性能提出了更高的要求。
NVIDIA 強大的 GPU 性能助力提升模型處理速度
計算機視覺和深度學習的應用過程中，需要處理大量復雜的數據並通過數據來訓練相關的自動駕駛模型，對硬件需求如 GPU 和高性能計算機等帶來了性能壓力。
當前，Zhang Vision Group 課題組采用了 8 卡 NVIDIA RTX 6000 Ada 架構 GPU 來進行模型訓練和推理，借助 NVIDIA RTX 6000 強大的計算性能，加速了實驗模型訓練的速度，減少模型訓練的時間，整體性能可提升約 30%。
©2023 Zhang Vision Group
版權歸 Zhang Vision Group 所有
此圖片由 Zhang Vision Group 制作，如果您有任何疑問或需要使用此圖片，請聯系 Zhang Vision Group
基於 NVIDIA Ada Lovelace GPU 架構的 NVIDIA RTX 6000 ，為新工作站帶來了驚人的功率效率和性能。
其搭載了 142 個第三代 RT Core、568 個第四代 Tensor Core 和 18176 個最新一代 CUDA 核以及 48GB 高性能顯存，在光線追蹤、AI、圖形和計算性能上比上一代產品提高了 2 倍，為該課題組的模型計算和數據處理提供了有力的 GPU 支持。
Zhang Vision Group 課題組基於 NVIDIA 產品輔助，深入計算機視覺行業應用研究
自動駕駛需要系統能夠感知環境，識別道路、車輛、行人等物體，使用基於神經渲染技術的仿真系統能提升整個自動駕駛的智力水平。
Zhang Vision Group 課題組基於 NVIDIA RTX 6000 強大性能的支持，提出了 S-NeRF《Stree-view Neural Radiance Fields》方法。
該方法能夠同時考慮大規模背景場景和前景移動車輛，以便自動駕駛汽車能夠從街景中學習更好的神經表示方式。
該課題組在大規模駕駛數據集《例如 nuScenes 和 Waymo》上進行的全面實驗表明，基於目前的方法，結合由 NVIDIA Ada Lovelace 架構提供支持的 NVIDIA RTX 6000 的強大性能，可以通過減少街景合成中約 7%～40% 的均方誤差和移動車輛渲染的峰值信噪比《PSNR》，帶來約 45% 的增益效果。
點擊『https://www.nvidia.cn/design-visualization/rtx-6000/』，了解更多 NVIDIA RTX 6000 有關信息。