澳门威尼斯

在这些项目中

四月 8th, 2019  |  科学

原标题:推荐三个 Udacity 无人驾驶纳米项目的感知项目

雷锋网按:本文为 AI 研习社编译的技术博客,原标题 Perception Projects
from the Self-Driving Car Nanodegree Program,作者为 David Silver。

翻译 | 余杭 校对 | 王祎

在这些项目中,学生们构建了包括感知技术,深度学习,计算机视觉在内的众多项目,充分展示了他们的能动性,创造性和工作理念。

图片 1

我们经常被学生告知在Udacity
自动驾驶工程师纳米学位项目中他们最喜欢的主题是感知技术,深度学习和计算机视觉(https://www.udacity.com/course/self-driving-car-engineer-nanodegree–nd013?utm\_source=medium&utm\_medium=content&utm\_campaign=david\_silver\_blog)。

他们将对这些主题的浓厚兴趣直接转化为了高质量的工作。现在,我将向你们分享一下其中
3 个学生项目,这3个项目涵盖了上述这些主题,而且尤其令人印象深刻。

使用 ResNet 作为特征提取器实现 YOLO

https://medium.com/@m.khan/implementing-yolo-using-resnet-as-feature-extractor-5857f9da5014

Mohammad Atif Khan

图片 2

我非常喜欢这个项目! Mohammad
独立完成了这个项目,并且大大超出了纳米项目的要求。这对于他以后的事业发展有非常大的裨益,因为雇主们非常喜欢这类有天赋的学生,这类学生能够深入研究某个专题,他们会通过自主构建项目来将想法具现化并且实验技能。

“在这个项目中我使用了预训练的 ResNet50
神经网络,移除了它的分类层,因此它变成了一个特征提取器,然后加入了 YOLO
的分类层(随机初始化后)。然后在 Udacity 的 CrowdAI
数据集上训练它以检测视频帧中的车辆”

语义分割

https://github.com/KiqueGar/CarND-Semantic-Segmentation

Enrique Garcia

Enrique 在纳米学位的高级深度学习项目中使用了 VGG-16
创建语义分割神经网络。他使用 KITTI
数据集来训练网络,然后将其应用到他在墨西哥自驾游时取的场景图上。一起看看这个YouTube
视频!

“原始的 FCN-8s 是分阶段训练。后来作者在 Github
上传了一个同时训练所有阶段的版本的 repo . Github repo
中的版本有个很重要的不同点是:池化层 3 和 4 的输出在它们被喂进 1 × 1
的卷积层之前被缩放了。结果是,一些学生发现这种包含缩放层的模型学习效果要好得多。模型的收敛速度可能不会那么快,但是会达到很高的检测评价值以及准确率”

使用机器学习来进行车辆检测

https://towardsdatascience.com/machine-learning-for-vehicle-detection-fd0f968995cf

Moataz Elmasry

图片 3

……

http://www.gair.link/page/TextTranslation/925

雷锋网雷锋网返回搜狐,查看更多

责任编辑:

标签:, , , , , ,

Your Comments

近期评论

    功能


    网站地图xml地图