代码详解:轻巧!低廉!为自动驾驶汽车实施端到端学习( 十 )

\n \n

五个卷积层之后是三个完全连接层 , 它们输出转弯半径的倒数 。

\n \n

训练细节

\n \n

为训练卷积神经网络 , 必须选择输入的图像帧 。 在此以10FPS的速率对视频进行采样 。 这是因为更高的取样速率可能会造成结果中包含信息无用的类似图像 。

\n \n

通过对图像帧增加转换、轮换等方式进行图像增强 , 以便于汽车学习如何从意外情况中恢复 。 从正态分布中随机选择图像增强摄动 。 正态分布的平均值为0 , 测出的标准误差是人类驾驶员所测标准误差的2倍 。

\n \n

可视化

\n \n

举两个例子——一条未铺砌的道路和一条林道 。 在未铺砌的道路图中可以看到特征图激活 , 显示出了道路的轮廓 。 然而在林道图中 , 模型无法找出任何有用信息 , 且大多有噪声 。

\n \n

由此可见 , CNN能够检测道路的轮廓 , 但是CNN从未被明确地训练检测道路轮廓这一功能 。

\n \n

推荐阅读