Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU)
Yolov--2--一文全面了解深度学习性能优化加速引擎---TensorRT
Yolov--3--TensorRT中yolov3性能优化加速（基于caffe）
yolov--10--目标检测模型的参数评估指标详解、概念解析
yolov--11--YOLO v3的原版训练记录、mAP、AP、recall、precision、time等评价指标计算
yolov--12--YOLOv3的原理深度剖析和关键点讲解
自动驾驶离我们有多远？
2019年5月9日下午2:00，清华大学学生科协联合中国自动驾驶独角兽Momenta，邀请到清华汽车系杨殿阁教授、自动化系张毅教授、Momenta CEO曹旭东做客星火论坛，一同向大家分享“自动驾驶的现在与未来”。
杨殿阁教授：智能汽车与自动驾驶地图
张毅教授：车路协同与智能驾驶
张毅教授：
- 任重道远的智能驾驶
- 2个驾驶事故 特斯拉，uber
- 基于环境感知的自动驾驶应用
- 提出目前只能做到“智能驾驶”，离真正的自动驾驶还有很远的路要走。
- 研究方向为车路协同，智能感知系统。
- 特定场景需要特定的技术问题来解决
车路协同
- 提问一: 驾驶员 该如何做？ 关键时刻汽车会发出提示，让驾驶员进行确认，比如路岔选择。
- 自动驾驶的法律法规
曹旭东师兄：自动驾驶如何快速大规模落地？
- 数据 云平台 算法 可量产自动驾驶获取数据 完全自动驾驶
- 置信度区间认知
- 公司的定位为：汽车产业链中的大脑角色。优势和长项在于：底层数据和计算平台、软件算法。
- 到2030年将会有10万辆L2-3级车投入运营。
- 也采用TX2开发板作为大脑支撑，汽车周围安装有10个左右的摄像头传感器。
杨殿阁教授：智能汽车与自动驾驶地图
- 目前的地图实时显示技术，最高精度只能达到20cm
- LEVEL4级自动驾驶技术由场景和运营需求来推动。
- 到2030年实现L3级的产业化应用。
- 用户能接受，技术就能落地。
- 大学的重点在与前沿性技术研究攻克，和公司的性质还是有很大差别，最好领先业界5年-10年左右的时间
圆桌对话：自动驾驶离我们有多远？
曹旭东师兄：
- 做自己想做的事，热爱的事，找对的时间，做对的事。
杨殿阁教授：
- 需要多方协同作战，制定对应的标准。
张毅教授:
- 技术问题还有壁垒，还有难点需要攻克，研究开发者任重而道远。
自动驾驶的实际应用离我们还有多远、如何实现快速大规模量产落地？
学术与产业的最前沿发展已经走到了哪一步？
自动驾驶延伸出充满价值与机遇的其他研究方向有哪些？
参见：
https://mp.weixin.qq.com/s/BwN85U9aVkQmBPNYrSxAig