百度无人驾驶apollo项目使用的神经网络模型分析
2018-02-18 19:43
495 查看
apollo项目中,感知模块使用了cnn,预测模块使用了rnn
另外,还单独提供了一个end to end 的深度神经网络模型
众所周知,在感知和预测领域,传统的基于数学或者控制理论的算法准确度都根本没法和深度神经网络相比
所以百度无人车项目,这两个模块使用深度神经网络模块是必然的
据说预测一开始使用了控制论模型,效果不好换成了rnn
另外,无人驾驶系统现在是两种技术路线
一种还是基于感知 预测 路径规划 行为决策 轨迹规划 车辆控制指令的系统实现
而另一种则是直接使用e2e,端对端的深度神经网络模块,系统用感知作为输入数据,直接生成车辆控制指令
百度无人驾驶apollo项目使用的神经网络模型的不足
1 无论是cnn,还是rnn,都没有给出最好的深度神经网络算法模型
2 e2e也是给出一个通用但一般的模型,和一个简单的流程实现,apollo项目并没有实现完整的基于end to end深度神经网络模块的系统
另外,还单独提供了一个end to end 的深度神经网络模型
众所周知,在感知和预测领域,传统的基于数学或者控制理论的算法准确度都根本没法和深度神经网络相比
所以百度无人车项目,这两个模块使用深度神经网络模块是必然的
据说预测一开始使用了控制论模型,效果不好换成了rnn
另外,无人驾驶系统现在是两种技术路线
一种还是基于感知 预测 路径规划 行为决策 轨迹规划 车辆控制指令的系统实现
而另一种则是直接使用e2e,端对端的深度神经网络模块,系统用感知作为输入数据,直接生成车辆控制指令
百度无人驾驶apollo项目使用的神经网络模型的不足
1 无论是cnn,还是rnn,都没有给出最好的深度神经网络算法模型
2 e2e也是给出一个通用但一般的模型,和一个简单的流程实现,apollo项目并没有实现完整的基于end to end深度神经网络模块的系统
相关文章推荐
- 百度无人驾驶apollo项目驾驶行为决策模块深度神经网络算法模型
- 百度无人驾驶apollo项目训练最佳算法模型改进
- 百度无人驾驶apollo项目路径规划a*算法分析
- 百度无人驾驶apollo项目驾驶行为决策模块算法实现分析
- 百度无人驾驶apollo项目分布式改造初探
- 百度Apollo计划跟踪:感知与预测中神经网络的分析
- tensorflow17《TensorFlow实战Google深度学习框架》笔记-08-02 使用循环神经网络实现语言模型 code
- 使用TensorFlow训练循环神经网络语言模型
- tensorflow 核心流程剖析 4-- 使用profiler检测神经网络模型的运行性能
- tensorflow 实践(一)使用神经网络做中文情感分析
- 【神经网络与深度学习】Caffe使用step by step:使用自己数据对已经训练好的模型进行finetuning
- 使用Tensorflow训练神经网络模型---自定义损失函数
- Python数据分析与机器学习-使用Gensim库构造中文维基百度数据词向量模型
- 牛津大学神经网络语言模型 OxLM 安装及使用
- TensorFlow练手项目一:使用循环神经网络(RNN)实现影评情感分类
- 图像风格转移中神经网络模型的使用
- 使用 全连接神经网络 和 词袋模型 进行文本分类的example
- 使用python写神经网络模型之分类器
- 百度自动驾驶系统Apollo源码分析