Lidar Toolbox™提供了设计、分析和测试Lidar处理系统的算法、功能和应用程序。你可以进行目标检测和跟踪、语义分割、形状拟合、激光雷达配准和障碍检测。Lidar Toolbox支持结合计算机视觉和Lidar处理的工作流程的激光雷达与相机与交叉校准。你可以使用深度学习和机器学习算法，如PointSeg, PointPillar，和SqueezeSegV2训练自定义检测和语义分割模型。

谷歌云视觉和视频智能API让你通过一个REST API请求访问预先训练好的机器学习模型。但这些经过训练的模型在幕后是什么样子的呢？在这个视频中，我们将通过分析卷积神经网络的工作原理来揭示计算机视觉模型的魔力，并以视觉API的现场演示结束。

您将学习如何配置扩展卡尔曼滤波器模块参数，例如状态转换和测量函数，并生成C/C ++代码。

随着最近iOS 14的发布，iPhone拥有了一些非常酷的附加功能，比如主屏控件和固定对话，以及一些已经过期的功能，比如compact calls。为了庆祝iOS诞生14周年，我们将回顾iOS的每一个版本，看看这个操作系统经历了什么样的发展。

在本视频中探索卷积神经网络（也称为CNN或ConvNets）的基础。您将学习3个概念：本地接受域，共享权重和偏见以及激活和合并。您还将学习3种训练CNN的方法。

GPU Coder™用MATLAB®代码和Simulink®模型生成优化的CUDA®代码。生成的代码包括用于深度学习、嵌入式视觉和信号处理算法的可并行部分的CUDA内核。为了提高性能，生成的代码调用优化的NVIDIA® CUDA库，包括TensorRT™，cuDNN, cuFFT, cuSolver和cuBLAS。您可以将代码作为源代码、静态库或动态库集成到项目中。您还可以编译嵌入在NVIDIA Jetson®、NVIDIA DRIVE®和其他平台上的桌面、服务器和GPU的代码。

我们可以训练一个人工智能模型来找到两点之间的最佳距离而不使用算法吗？答案是肯定的！通过Q-Learning，我们可以赋予我们的人工智能类似生命的特性！在这个视频中，我们将教你所有关于Q-Learning等等之类的知识！

使用MATLAB®R2020b，您可以使用深度学习工具箱™模块库以及MATLAB函数块，用Simulink®中经过训练的深度学习模型进行模拟并生成代码。了解如何使用控制、信号处理和传感器融合组件在Simulink中模拟深度学习网络，以评估深度学习模型对系统级性能的影响。了解更多关于在Simulink中使用NVIDIA® GPU来加速深度学习网络模型的执行。