CVEDIA使用NVIDIA迁移学习工具包（Transfer Learning Toolkit, TLT）缩短了Cubic的GRIDSMART交通系统模型开发时间。

这是因为初创企业CVEDIA为Cubic交通系统设计了更完善、更快速的车辆及行人检测方式，让道路更通畅，并提高行人安全。这些全新AI功能将被整合到Cubic的 GRIDSMART解决方案中——GRIDSMART是单摄像头交叉路口检测与执行技术解决方案。

为训练用于行人安全及交通系统的全新计算机视觉模型，Cubic需要使用专门的数据集，但从头开始整理数据并训练模型需要耗费数月时间，因此，Cubic与CVEDIA达成合作，共同完成数据合成与模型开发工作。

CVEDIA的合成算法技术能够加速物体检测和图像分类网络的开发，而通过使用NVIDIA迁移学习工具包，能够进一步压缩开发时间。这种更智能的十字路口交通灯现在已被部署在美国49个州的6000多个十字路口。

NVIDIA已发布迁移学习工具包3.0版本，该版本现已公开可用。

CVEDIA首席技术创新官兼联合创始人Rodrigo Orph表示：“通过使用NVIDIA迁移学习工具包，我们将模型训练时间缩短一半，就能实现相同水平的模型精度和吞吐性能。

CVEDIA使用NVIDIA Metropolis来开发应用，且CVEDIA是英伟达初创加速计划的成员，这项虚拟加速器计划旨在帮助AI和数据科学领域的初创企业更快进入市场。

NVIDIA Metropolis是一个用于智能基础设施的应用框架。它提供DeepStream SDK、迁移学习工具包、NGC上的预训练模型和NVIDIA TensorRT等强大的开发者工具。

迁移学习是一种深度学习技术，让开发者能够充分运用曾在某项任务中使用过的预训练AI模型，将该模型进行自定义后用于另一个领域。NVIDIA迁移学习工具包能够用于快速建立自定义生产级模型，而不需要进行任何编码。

Cubic交通系统副总裁兼ITS部门总经理Jeff Price表示：“安全是所有司机和行人的基本需求。CVEDIA的AI和合成数据专业知识能够帮助我们增强现有的AI模型，同时实现新应用的快速迭代。”

Cubic的GRIDSMART解决方案使用360度全景摄像机采集和解释重要的交通数据，让道路变得更加通畅。通过GRIDSMART，交通工程师能够调整信号灯时间及交通流策略并进行实时监控和视觉评估。

CVEDIA正在为这个新系统开发图像分类和物体检测模型，使其能够追踪车辆、人、自行车、宠物和其他交通安全隐患。

Rodrigo Orph表示：“Cubic希望能够检测路口和行人可能穿过的的危险区域，并提供更好的交通控制解决方案。”