Публикации по теме 'self-driving-cars'


Самостоятельные автомобили могут использовать искусственную интуицию
Самостоятельные автомобили могут использовать искусственную интуицию Безопасность является в первую очередь приоритетом для разработчиков беспилотных автомобилей, чтобы довести отрасль до стандартов полностью автономных транспортных средств без водителя. Несчастные случаи - это несчастья, которые ждут своего часа. Люди пытались избежать несчастных случаев в течение многих лет эволюционных процессов, основанных как на эмоциях, так и на интуиции. К сожалению, не все беспилотные..
А как насчет того, чтобы поставить процессор компьютерного зрения на платформу камеры или датчика?
Мечтайте масштабно и будьте открытыми Благодарим Джона Коста за создание и руководство OSSDC Smart Camera MVP (см. Канал OSSDC Slack # 3-mvp-smart-camera ), который должен предлагать недорогие камеры с очень продвинутыми функциями, в нашей платформе SDC с открытым исходным кодом , аналогичной видеодатчикам MobilEye ADAS. Вот абзац из очень красивой и интересной статьи Автомобильный Ethernet для ADAS на основе технического зрения: потери, стоимость и задержка , интервью..
Как решить неизвестные неизвестные с помощью алгоритмов машинного обучения
Неопределенность как проблема безопасности при автономном вождении Неопределенность - это самая сложная область для беспилотных автомобилей и при решении проблем с помощью алгоритмов машинного обучения. Согласно Википедии, неопределенность относится к неизвестной информации и применяется к предсказаниям будущих событий, уже выполненным физическим измерениям или неизвестному. Источником неопределенности может быть модель машинного обучения или она может быть наложена на систему..
Слежение за автомобилем с помощью машины опорных векторов по сравнению с YOLO
Вступление Проект по обнаружению и отслеживанию транспортных средств Udacity Self-Driving Car Nanodegree представляет собой вызов для применения традиционных методов компьютерного зрения, таких как гистограмма ориентированных градиентов (HOG) и других функций в сочетании со скользящими окнами для отслеживания транспортных средств на видео. Идеальное решение - работать в режиме реального времени, т. Е. ›30 кадров в секунду. Мой подход к решению основан на подходе 2005 года, предложенном..
3 набора данных о самоуправляемых автомобилях для глубокого изучения
(Список находится в стадии разработки и в будущем будет включать более 10 наборов данных.) Вы интересуетесь автономным вождением и хотите изучить обнаружение и отслеживание 2D / 3D-объектов, сегментацию полосы движения / проезжей части, семантическую сегментацию / сегментацию экземпляров, самолокализацию и оценку потока сцены для беспилотных автомобилей, но не знаете, с чего начать? Тогда продолжайте читать, и вы найдете всю необходимую информацию в общедоступных наборах данных об..
Машинное обучение
Соединение точек Машинное обучение Обзор машинного обучения Как вы думаете, что общего между Tesla Cars и линейной регрессией? Tesla , автомобилем, который выполняет очень сложные алгоритмы глубокого обучения . strong> при беге почти 60 миль в час с такой большой точностью и скоростью , в то время как линейная регрессия в основном является наиболее подходящей линией😂(с при всем уважении к LR). Ответ связан с самой маленькой единицей каждого алгоритма машинного..
Обучение вождению автомобилей - планирование пути на шоссе
Это первый проект третьего семестра Нанодегрита Udacity Self-Driving Car Engineer . Вы можете найти весь код, связанный с этим проектом, на github . Вы также можете прочитать мои сообщения о предыдущих проектах: Срок 1 - проект 1: Обнаружение полос движения с помощью компьютерного зрения Срок 1 - проект 2: Классификация дорожных знаков с использованием глубокого обучения Срок 1 - проект 3: Прогнозирование угла поворота с использованием глубокого обучения Срок 1 -..