訂閱
糾錯
加入自媒體
當前位置： OFweek 人工智能網(wǎng)   >  正文

行為克隆 | 自動駕駛汽車的端到端學(xué)習

該模型具有以下層：

①標準化層（硬編碼）除以127．5并減去1。

②3個卷積層，24個，36個，48個過濾器，5 ＊ 5內(nèi)核和2個步幅。

③2個卷積層，64個濾波器，3 ＊ 3內(nèi)核和步幅1。

④展平層

⑤3個完全連接的層，輸出尺寸為100，50，10

⑥和輸出轉(zhuǎn)向角的最終輸出層。

研究人員將使用Mean Squared Error（MSE）作為損失函數(shù)和優(yōu)化器，并進行EarlyStopping回調(diào)。研究人員試圖訓(xùn)練它40個epoch，它在36個epoch停止。

訓(xùn)練60個epoch的模型，結(jié)果如下：

突出的特點：

1． 在每個圖層中，對要素圖的激活進行平均。

2．最平均的地圖按比例放大到下面圖層的地圖大小。使用反卷積完成放大。

3．然后將來自較高級別的放大的地圖與來自下層的平均地圖相乘。

4．重復(fù)步驟2和3直到達到輸入。

5．具有輸入圖像大小的最后一個掩模被標準化為0．0到1．0的范圍。

以下是可視化圖，顯示輸入圖像的哪些區(qū)域?qū)W(wǎng)絡(luò)的輸出貢獻最大。

在應(yīng)用上述方法之后，下面是顯著的特征結(jié)果：

圖突出的車道標記

結(jié)論

PilotNet是一個非常強大的網(wǎng)絡(luò)，從駕駛員學(xué)習輸出正確的轉(zhuǎn)向角度。對顯著物體的檢查表明，PilotNet學(xué)習了對人類“有意義”的特征，同時忽略了與駕駛無關(guān)的攝像機圖像中的結(jié)構(gòu)。此功能源自數(shù)據(jù)，無需手工標記。

<上一頁  1  2  
聲明： 本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權(quán)或其他問題，請聯(lián)系舉報。

發(fā)表評論

共0條評論，0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    人工智能 獵頭職位 更多
    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯
    x
    *文字標題：
    *糾錯內(nèi)容：
    聯(lián)系郵箱：
    *驗 證 碼：

    粵公網(wǎng)安備 44030502002758號