智能網(wǎng)聯(lián)汽車裝配與調(diào)試課件：深度學(xué)習(xí)技術(shù)

機(jī)器視覺系統(tǒng)裝配與調(diào)試《智能網(wǎng)聯(lián)汽車裝配與調(diào)試》目

錄Contents視覺傳感器的結(jié)構(gòu)攝像頭內(nèi)參標(biāo)定深度學(xué)習(xí)技術(shù)車輛和車道線識別技術(shù)03040102深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)技術(shù)-實(shí)例深度學(xué)習(xí)技術(shù)-應(yīng)用深度學(xué)習(xí)技術(shù)-定義深度學(xué)習(xí)技術(shù)二三一深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個類型，該類型的模型直接從圖像、文字或聲音中學(xué)習(xí)執(zhí)行分類任務(wù)。通常使用神經(jīng)網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn)深度學(xué)習(xí)?！吧疃取币辉~是指網(wǎng)絡(luò)中的層數(shù)，層數(shù)越多，網(wǎng)絡(luò)越深。傳統(tǒng)的神經(jīng)網(wǎng)

絡(luò)只包含2層或3層，而深度網(wǎng)絡(luò)可能有幾百層。一、深度學(xué)習(xí)技術(shù)-定義定

義深度神經(jīng)網(wǎng)絡(luò)結(jié)合多個非線性處理層，并行使用簡單元素操作，受到了生物神經(jīng)系統(tǒng)的啟發(fā)。它由一個輸入層、多個中間層和一個輸出層組成。各層通過節(jié)點(diǎn)或神經(jīng)元相互連接，每個中間層使用前一層的輸出作為其輸入，如圖所示。一、深度學(xué)習(xí)技術(shù)-定義圖深度神經(jīng)網(wǎng)絡(luò)自動駕駛汽車要想做出正確的決策，前提就必須要做到完全的感知，目前的自動駕駛技術(shù)，識別車前到底是一個行人還是一輛車已經(jīng)不是什么難題，但是如果要判斷這是一輛轎車還是一輛SUV，行人是一個成人還是一個小孩可能并不是那么容易。要想做到更高等級的識別，就必須借助深度學(xué)習(xí)技術(shù)。二、深度學(xué)習(xí)技術(shù)-應(yīng)用圖像識別是深度學(xué)習(xí)最為擅長的，只需對系統(tǒng)進(jìn)行訓(xùn)練，

系統(tǒng)便可以實(shí)現(xiàn)正確的識別結(jié)果，但是在訓(xùn)練的時候需要一個由幾萬張以上

圖片組成的訓(xùn)練集，這個訓(xùn)練集包含的圖片數(shù)量最多，最終結(jié)果識別的準(zhǔn)確率便會越高。通過深度學(xué)習(xí)，自動駕駛系統(tǒng)不僅能做到基本的路徑識別、行人識別、道路標(biāo)識識別、信號燈識別、障礙物以及環(huán)境識別，還可以實(shí)現(xiàn)一些高難度的識別。圖像識別二、深度學(xué)習(xí)技術(shù)-應(yīng)用例如，使用常規(guī)的圖像識別方法，如果道路邊緣的道牙沒有特定的顏色

，系統(tǒng)就無法很好的判斷出道路的邊界

，自動駕駛汽車就很有可能會撞擊道路邊緣。而當(dāng)使用了深度學(xué)習(xí)技術(shù)之后，圖像識別系統(tǒng)就可以很好地區(qū)分哪里是道路，哪里是道路邊緣的道牙，如圖所示。還有一種極端的情況便是如何實(shí)現(xiàn)在沒

有車道線的地方自動駕駛，這時可以用人在沒有車道線的路況下開車的數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，訓(xùn)練好之后，神經(jīng)網(wǎng)絡(luò)在沒有車道線的時候也能大概判斷未來車可以怎么開。圖借助深度學(xué)習(xí)識別道路邊緣二、深度學(xué)習(xí)技術(shù)-應(yīng)用MATLAB利用深度學(xué)習(xí)建立了車輛檢測和行人檢測函數(shù)，利用這些函數(shù)可以非常容易識別車輛和行人，如圖所示。(a)原始圖像(b)檢測結(jié)果圖基于深度學(xué)習(xí)的車輛檢測三、深度學(xué)習(xí)技術(shù)-實(shí)例(a)原始圖像(b)檢測結(jié)果圖基于深度學(xué)習(xí)的行人檢測三、深度學(xué)習(xí)技術(shù)-實(shí)例謝謝觀看T