はじめに: 自動運転は高度な生産性を実現します
自動運転には長期間の開発が必要であり、運転支援の段階には長い時間がかかる
自動運転は技術的な問題だけでなく社会的な問題でもあり、緩衝材としての社会的な役割がさらに求められる
——ブロガー: ブラッドバナー
自動運転技術に関しては、実は誰もが多かれ少なかれ抵抗感を持っていますが、一般的な流れとしては、自動運転技術は今も精力的に発展しています!
過去 10 年間、自動運転車の技術は、主にディープラーニングと人工知能の分野の進歩のおかげで、ますます速いペースで進歩してきました。
1. ディープラーニングを理解する
ディープ ラーニングは、ディープ ニューラル ネットワーク学習です。その概念は、人工ニューラル ネットワークの研究に由来しています。機械学習の特殊な形式です。その目的は、分析と学習のために人間の脳のニューラル ネットワークを確立およびシミュレートすることです。データを説明するための人間の脳メカニズムのフィードバックと、深層学習の全プロセスはデータ収集、データ処理、データトレーニング、データ最適化であり、最終的に高精度の認識および分類モデルを形成します。
ディープラーニング技術の概要
1- ディープ畳み込みニューラル ネットワーク
2-リカレントニューラルネットワーク
3- 深層強化学習
CNN は自動運転で一般的に使用される深層学習モデルで、畳み込み層、プーリング層、全結合層で構成され、画像処理に利点があります。
畳み込み層
目的:対象画像の特徴抽出用
原理: 調整可能なパラメーターのコンボリューション カーネルと前の層の特徴マップを使用してスライディング コンボリューション操作を実行し、バイアスを追加して正味の出力を取得し、アクティベーション関数を呼び出してコンボリューション結果を取得します。
プーリング層
目的: 画像の次元削減サンプリング
原理: 入力特徴画像を n × n ウィンドウで重複しない複数の領域に分割し、各領域の最大値または平均値を計算し、画像を n 倍に縮小し、最後にオフセットを追加してアクティベーション関数を介して取得します。サンプルデータ。
全結合層
目的:結果を分類して出力する
原理: 全結合層は従来のニューラル ネットワーク部分に似ており、望ましい結果を出力するために使用されます。
ディープラーニングに必要なコアコンピテンシー
——大量のラベル付きデータ
—— 優れたアルゴリズム(モデル関数)
—— 巨大な計算能力
自動運転システム 自動運転は、カメラ、レーダー、ライダー、超音波センサー、GPS ユニット、慣性センサーなどのさまざまな車載ソースからの観測ストリームを処理する自律的な意思決定システムです。これらの観察結果は、車のコンピューターが運転上の決定を行うために使用されます。
図-ディープラーニングによる自動運転
物体検出問題に適用された深層学習アルゴリズム モデル
シングルステップアルゴリズム: 候補領域を生成せずに、画像から直接ターゲット検出結果を取得します; 速度は速いですが、精度が低いという特徴があります。
YOLO シリーズのアルゴリズム - YOLO、YOLO v3、YOLO 9000
SSD シリーズのアルゴリズム - SSD、RSSD、D-SSD、DSOD、FSSD
YOLOとSSDの動画資料が必要な方は記事末尾のQRコードをスキャンしてください
2段階アルゴリズム:対象物の候補領域を生成し、分類器を使用して候補領域の分類と回帰を実行する必要があり、精度が高いのが特徴ですが、速度は比較的遅いです
R-CNN シリーズ アルゴリズム - R-CNN、高速 R-CNN、高速 R-CNN
画像分割問題に適用された深層学習アルゴリズム モデル
デコンボリューションベースのセグメンテーション手法: FCN
特徴解像度の向上に基づいたセグメンテーション手法 - DeepLab
領域選択に基づく手法: マスク R-CNN
LiDAR 点群データの問題を処理するためのディープラーニング アルゴリズム モデル
YOLO3D、BirdNet、VoxelNet、PointNet、PIXOR など
LiDAR と画像融合の問題を解決するためのディープラーニング アルゴリズム モデル
PointRCNN、PointFusion、RoarNetなど
3D環境デジタルアナログ再構成のための深層学習アルゴリズムモデル
CNN-SLAM、SurfaceNet、3D-R2N2、透視変換ネットなど
ディープラーニングと自動運転のビデオ学習教材が必要な場合は、コードをスキャンしてマイクロを追加できます。
サポート資料が必要な場合は、Jiawei で無料で入手できます。インターネット上には、乱雑な人工知能学習資料もあり、ネットワーク ディスクに明確にリストされています。
❶ 人工知能のコースとプロジェクト (コースウェアのソースコードを含む) をエンタープライズレベルのプロジェクト実践の履歴書に書き込むことができます
❷ 人工知能に関する質の高い必読書籍(「バイブル」フラワーブックなど)+人工知能論文集
❸ 国内外の有名なマスター(女神リー・フェイフェイ、ウー・エンダ、リー・ムー)のチュートリアルと補助教材
❹ 人工知能学習パス + システム学習教材の超詳細な説明
❺ 高品質の人工知能リソースのウェブサイトの配置、人工知能業界のレポート
皆さんのお役に立てましたら、忘れずに3回クリックしてください〜愛しています〜