深度学习在无人驾驶汽车上面的运用

深度自学在无人驾驶领域主要用作图像处理，也就是摄像头上面。当然也可以用作雷达的数据处理，但是基于图像极大丰富的信息以及无法手工建模的特性，深度自学能最大限度的充分发挥其优势。

现在讲解一下全球摄像头领域的巨擘，以色列的mobileye公司是怎么在他们的产品中运用深度自学的。深度自学可以用作感官，辨识周围环境，各种对车辆简单的信息；也可以用作决策，比如AlphaGo的走子网络（PolicyNetwork），就是必要用DNN训练，如何基于当前状态做出决策。环境辨识方面，mobileye把他们辨识方面的工作主要分成三部分，物体辨识，可行经区域检测，行经路径辨识。

一般的物体辨识是这样子的：有一个长方形框框能辨识出来车在哪里，很好，很不俗，但是Mobileye出来的是这样子的：以及这样子的：很显著的区别就是Mobileye可以构建十分精确的车的正面以及侧面的检测，以及完全正确的区分左边侧面以及右边侧面（黄色和蓝色）。这两种检测结果的信息量是几乎有所不同的，左边这个检测结果告诉他我们什么方位大约有一辆车，但是他的具体位置，车的朝向信息几乎没。但是从右边的检测结果，就可以比较准确的估计出来车的方位，行经方向等最重要信息，跟我们人看见后可以推断的信息差不多了。这样出众的结果，对于较近距离的车，用其他基于几何的方法，多追踪几帧，有可能可以做相似的效果，但是注意远处较小的车，结果也完全正确，这就只有可能是深度自学的威力了。

本文来源：im电竞app下载-www.vancepolo.com