|
雷鋒網(wǎng)按：本文為 AI 研習(xí)社編譯的技術(shù)博客，原標(biāo)題 Perception Projects from the Self-Driving Car Nanodegree Program，作者為 David Silver。 翻譯 | 余杭 校對 | 王祎 在這些項目中，學(xué)生們構(gòu)建了包括感知技術(shù)，深度學(xué)習(xí)，計算機(jī)視覺在內(nèi)的眾多項目，充分展示了他們的能動性，創(chuàng)造性和工作理念。  我們經(jīng)常被學(xué)生告知在Udacity 自動駕駛工程師納米學(xué)位項目中他們最喜歡的主題是感知技術(shù)，深度學(xué)習(xí)和計算機(jī)視覺（https://www./course/self-driving-car-engineer-nanodegree--nd013?utm_source=medium&utm_medium=content&utm_campaign=david_silver_blog）。 他們將對這些主題的濃厚興趣直接轉(zhuǎn)化為了高質(zhì)量的工作?，F(xiàn)在，我將向你們分享一下其中 3 個學(xué)生項目，這3個項目涵蓋了上述這些主題，而且尤其令人印象深刻。 使用 ResNet 作為特征提取器實現(xiàn) YOLO https:///@m.khan/implementing-yolo-using-resnet-as-feature-extractor-5857f9da5014 Mohammad Atif Khan 3.2MB  我非常喜歡這個項目！ Mohammad 獨立完成了這個項目，并且大大超出了納米項目的要求。這對于他以后的事業(yè)發(fā)展有非常大的裨益，因為雇主們非常喜歡這類有天賦的學(xué)生，這類學(xué)生能夠深入研究某個專題，他們會通過自主構(gòu)建項目來將想法具現(xiàn)化并且實驗技能。 “在這個項目中我使用了預(yù)訓(xùn)練的 ResNet50 神經(jīng)網(wǎng)絡(luò)，移除了它的分類層，因此它變成了一個特征提取器，然后加入了 YOLO 的分類層（隨機(jī)初始化后）。然后在 Udacity 的 CrowdAI 數(shù)據(jù)集上訓(xùn)練它以檢測視頻幀中的車輛” 語義分割 https://github.com/KiqueGar/CarND-Semantic-Segmentation Enrique Garcia Enrique 在納米學(xué)位的高級深度學(xué)習(xí)項目中使用了 VGG-16 創(chuàng)建語義分割神經(jīng)網(wǎng)絡(luò)。他使用 KITTI 數(shù)據(jù)集來訓(xùn)練網(wǎng)絡(luò)，然后將其應(yīng)用到他在墨西哥自駕游時取的場景圖上。一起看看這個YouTube 視頻！ “原始的 FCN-8s 是分階段訓(xùn)練。后來作者在 Github 上傳了一個同時訓(xùn)練所有階段的版本的 repo . Github repo 中的版本有個很重要的不同點是：池化層 3 和 4 的輸出在它們被喂進(jìn) 1 × 1 的卷積層之前被縮放了。結(jié)果是，一些學(xué)生發(fā)現(xiàn)這種包含縮放層的模型學(xué)習(xí)效果要好得多。模型的收斂速度可能不會那么快，但是會達(dá)到很高的檢測評價值以及準(zhǔn)確率” 使用機(jī)器學(xué)習(xí)來進(jìn)行車輛檢測 https:///machine-learning-for-vehicle-detection-fd0f968995cf Moataz Elmasry  ...... 想要繼續(xù)閱讀，請移步至我們的AI研習(xí)社社區(qū)：http://www./page/TextTranslation/925 更多精彩內(nèi)容盡在 AI 研習(xí)社。 不同領(lǐng)域包括計算機(jī)視覺，語音語義，區(qū)塊鏈，自動駕駛，數(shù)據(jù)挖掘，智能控制，編程語言等每日更新。 雷鋒網(wǎng)雷鋒網(wǎng)
|
|
|
來自： 掃地僧一一 > 《384、自動駕駛》
