دانش آموزان Udacity با شبکه های عصبی و بینایی رایانه آزمایش می کنند

برنامه نانو درجه مهندس اتومبیل خودران Udacity دانش آموزان را ملزم می کند که تعدادی پروژه را به اتمام برسانند ، و هر پروژه نیاز به آزمایش دانش آموزان برای یافتن راه حلی کارآمد دارد.

در اینجا پنج پست توسط Udacity آورده شده است. دانش آموزان ، نحوه استفاده از آزمایش برای تکمیل پروژه های خود را بیان می کنند.

دفتر خاطرات مهندس خودروهای خودران-4

اندرو ویلکی

اندرو دارای تصاویر زیادی در این پست وبلاگ است ، از جمله صفحه گسترده ای از همه عملکردهای مختلفی که در ساختن خود استفاده کرده است طبقه بندی علائم راهنمایی و رانندگی با TensorFlow!

من باید TensorFlow و کتابخانه های مختلف (جدول زیر را ببینید) ، مدل های مختلف شبکه عصبی کانولوشنال ، پیش پردازش تصاویر ، دستکاری آرایه های n بعدی و یادگیری را مورد بررسی قرار دهم. g نحوه نمایش نتایج.

پیچیدگی های طبقه بندی علائم راهنمایی و رانندگی با TensorFlow

Param Aggarwal

در این پست ، پارام مراحل یافتن ترکیب مناسب پیش پردازش ، افزایش و معماری شبکه را به صورت مرحله به مرحله طی می کند. برای طبقه بندی علائم راهنمایی و رانندگی 54 معماری شبکه عصبی در کل! می خواستم گریه کنم. یک مدل پایه خطی 85 درصد به من می داد و در اینجا از جدیدترین لایه های پیچشی استفاده می کنم و نمی توانم مطابقت داشته باشم. چرت زدم. h1>

جاناتان میچل

< p> انتشار مجدد دشوارترین و خسته کننده ترین مفهوم برای درک شبکه های عصبی عمیق است. پس از انتشار مجدد ، همه چیز دیگر یک تکه کیک است. در این پست مختصر ، جاناتان در چند پاراگراف یک جمع بندی خلاصه می کند. هنگامی که ما در حال آموزش یک شبکه عصبی هستیم ، باید بفهمیم چگونه می توان یک پارامتر را تغییر داد تا هزینه/ضرر را به حداقل برساند. اولین قدم این است که دریابید آن پارامتر چه تاثیری بر ضرر دارد. سپس کل ضرر را تا آن نقطه پارامترها پیدا کرده و معادله به روز رسانی گرادیان نزولی را برای آن پارامتر انجام دهید. آرنالدو تعدادی از درسهایی را که در هنگام طراحی شبکه ای به منظور رانندگی در پروژه شبیه سازی رفتاری آموخته است ، ارائه می دهد. به طور خاص ، او از قدرت GPUS ها قدردانی کرد. استفاده از GPU جادو است. مانند این است که به یک نفر در بیابان کوکاکولا بدهید. یا برای خرید یک ماشین جدید - احساس "چگونه از آن ماشین قدیمی استفاده می کردم". یا برای پیدا کردن میانبر در مسیر رفتن به دفتر: دیگر هرگز از مسیر طولانی استفاده نخواهید کرد. یا برای پیدا کردن یک کد مخفی در یک بازی که به ابرقدرتها می دهد… //cdn-images-1.medium.com/max/426/1*MPuXLawlZxYfCVkHjPf3oA.png">

عصمات طرح منظمی از موضوع Finding Lane Lines Porject و خط دید رایانه ای خود را ارائه می دهد استفاده شده. به طور خاص ، او توضیحات خوبی در مورد تغییر Hough ، که یک مفهوم حیله گر است ، ارائه می دهد!

خط احتمالی Hough ، اجرای کارآمدتر از Hough transform را تغییر می دهد. این خروجی خطوط تشخیص داده شده (x0 ، y0 ، x1 ، y1) را به عنوان خروجی نشان می دهد. تشخیص خطوط مستقیم که بخشی از منحنی هستند دشوار است زیرا بسیار بسیار کوچک هستند. برای تشخیص چنین خطوطی مهم است که همه پارامترهای Hough transform را به درستی تنظیم کنیم. دو مورد از مهمترین آنهاپارامترها عبارتند از: تعداد آرا و حداکثر فاصله بین نقاطی که باید برای ایجاد یک خط به هم متصل شوند. هر دو پارامتر در حداقل مقدار خود تنظیم شده اند.

استفاده Hough پروژه