← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9416.f · 生成模型:Tencent Hunyuan Hy

自动驾驶的端到端学习

理解等级:中级

自动驾驶是深度学习最直观的应用之一。汽车搭载多路摄像头,视频流输入网络后,网络要识别并分割出周围的各种物体。NVIDIA 提出的端到端学习用一个卷积神经网络直接吃进摄像头图像,输出转向角或加速度这类驾驶动作。训练时,先记录人类驾驶过程中的转向角、油门和摄像头画面,把人的操作当作监督信号,再用反向传播根据人为输入与网络预测之间的误差更新网络参数。可见从感知到控制可以被一个网络贯通,而反向传播正是全书后续要展开的核心机制。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 深度学习入门 深度学习的应用 · 查看原书依据

      自动驾驶汽车上装有许多摄像头。 输出的视频流被馈入深度学习网络,该网络可以识别并分割汽车周围存在的不同对象。 NVIDIA 推出了一种用于无人驾驶汽车的端到端学习,这是一个卷积神经网络,可以从摄像机中获取输入图像,并以转向角或加速度的形式预测应采取的动作。

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第01章《深度学习入门》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/04.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文给出摄像头视频流、端到端 CNN、转向角预测与反向传播更新参数的具体链路,支撑本卡对自动驾驶工作方式的说明。 - 原始内容:自动驾驶汽车上装有许多摄像头。 输出的视频流被馈入深度学习网络,该网络可以识别并分割汽车周围存在的不同对象。 NVIDIA 推出了一种用于无人驾驶汽车的端到端学习,这是一个卷积神经网络,可以从摄像机中获取输入图像,并以转向角或加速度的形式预测应采取的动作。