本周为将门-TechBeat技术社区第274期线上Talk，也是行动派 | 创新企业技术案例系列Talk第⑥弹！（还不知道什么是「行动派」？点击这里复习一下！）

北京时间1月20日(周三)晚8点，图森未来首席科学家—王乃岩的Talk将准时在将门TechBeat技术社区开播！

他与大家分享的主题是: “基于LiDAR的3D目标检测新进展”。届时将分享图森未来在该领域中的一些思考与尝试。

Talk·信息

▼

主题：基于LiDAR的3D目标检测新进展

嘉宾：图森未来首席科学家 王乃岩

时间：北京时间 1月20日 (周三) 20:00

地点：将门TechBeat技术社区

http://www.techbeat.net/

长按识别二维码，一键完成预约！

Talk·提纲

▼

激光雷达(LiDAR)是目前自动驾驶感知部分不可或缺的一部分，基于LiDAR的目标检测近年来得到了学术界的很多关注。然而，关于该问题，仍然有很多悬而未决的问题，例如，如何高效表示LiDAR返回的无序点云？在二阶段3D目标检测器中为何性能提升不显著？这两点都涉及LiDAR生成的点云的一些独特性质。因此，本次Talk将展开介绍图森未来在这两个问题中的一些思考与尝试。

本次分享的主要内容如下：

1.   什么是适合LiDAR点云的表示？

• LiDAR表示形式回顾

• 为什么RangeView是LiDAR点云最紧密而有信息量的表示方式？

• 为什么现有RangeView检测器性能有限？

• 提升RangeView检测性能的核心要素和解决方案

• 性能分析与展望

2. 二阶段LiDAR检测器为什么性能有限？

• 回顾常见的二阶段LiDAR检测器设计方案

• 分析点云二阶段检测器中独有的尺度模糊问题

• 快速有效的LiDARRCNN方案

• 性能分析与展望

Talk·提问交流

▼

方式 ①

在本文留言区直接提出你的问题，或扫描下方二维码提问！问题被选中的小伙伴们将获得一个红包奖励！

方式 ②

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，说不定就被讲者直接翻牌解答了呢！

你的每一次贡献，我们都会给予你相应的i豆积分，近期还会有惊喜奖励哦！

Talk·嘉宾介绍

▼

王乃岩，图森未来首席科学家，目前在图森未来负责无人驾驶卡车算法研发。他是深度学习应用于目标追踪领域的全球第一人，曾参与知名深度学习框架MXNet的早期开发，获得2014年度 Google PhD Fellowship。他多次在国际数据挖掘比赛和计算机视觉比赛中名列前茅，在计算机视觉与机器学习顶级会议与期刊上发表论文40余篇，被引用超过8000次。

长按识别二维码，一键完成预约！

关于TechBeat社区

▼

TechBeat(www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！     

更多详细介绍>>https://mp.weixin.qq.com/s/5_8QtzoAp8yBrLGAbqhexw