人工智能應(yīng)用素養(yǎng) 課件 第16章　智能交通領(lǐng)域中AI的應(yīng)用-小車(chē)自動(dòng)駕駛實(shí)戰(zhàn)

自動(dòng)駕駛汽車(chē)的產(chǎn)業(yè)背景與智能車(chē)系統(tǒng)設(shè)計(jì)人工智能應(yīng)用素養(yǎng)01目錄CONTENTS自動(dòng)駕駛汽車(chē)的產(chǎn)業(yè)背景02智能車(chē)系統(tǒng)設(shè)計(jì)自動(dòng)駕駛汽車(chē)的產(chǎn)業(yè)背景自動(dòng)駕駛汽車(chē)的概念和現(xiàn)狀具體細(xì)節(jié)1：自動(dòng)駕駛汽車(chē)，也稱(chēng)為無(wú)人駕駛汽車(chē)或機(jī)器人車(chē)，是不需要人類(lèi)操作的感知環(huán)境并自行導(dǎo)航的車(chē)輛具體細(xì)節(jié)2：盡管完全自動(dòng)駕駛的汽車(chē)還未在市場(chǎng)上廣泛應(yīng)用，但已經(jīng)有一些原型機(jī)和展示系統(tǒng)出現(xiàn)，部分可靠技術(shù)也已經(jīng)應(yīng)用于量產(chǎn)車(chē)型自動(dòng)駕駛汽車(chē)如何感知環(huán)境

——環(huán)境感知技術(shù)具體細(xì)節(jié)1：自動(dòng)駕駛汽車(chē)使用雷達(dá)、光學(xué)雷達(dá)、GPS以及電腦視覺(jué)等技術(shù)感知環(huán)境具體細(xì)節(jié)2：先進(jìn)的控制系統(tǒng)能將感測(cè)數(shù)據(jù)轉(zhuǎn)換為適當(dāng)?shù)膶?dǎo)航路徑、障礙和相關(guān)信號(hào)的識(shí)別，自動(dòng)駕駛汽車(chē)可以根據(jù)這些數(shù)據(jù)更新自己的地圖信息，保持在道路上的準(zhǔn)確定位未來(lái)車(chē)輛設(shè)計(jì)的新趨勢(shì)

——無(wú)人化元素的引入具體細(xì)節(jié)1：特斯拉正在改變方向盤(pán)的設(shè)計(jì)，取消儀表盤(pán)，使駕駛者只需關(guān)注中控臺(tái)屏幕具體細(xì)節(jié)2：通用汽車(chē)的自動(dòng)駕駛部門(mén)克魯斯的概念車(chē)已經(jīng)完全移除了方向盤(pán)、儀表盤(pán)、踏板和后視鏡特斯拉中控大屏無(wú)人駕駛汽車(chē)的商業(yè)化轉(zhuǎn)變具體細(xì)節(jié)1：百度阿波羅設(shè)計(jì)的無(wú)人車(chē)AppolloMoon已經(jīng)接近量產(chǎn)，展示了無(wú)人駕駛汽車(chē)的外觀變化，推動(dòng)了無(wú)人駕駛的商業(yè)化進(jìn)程具體細(xì)節(jié)2：特斯拉、通用汽車(chē)和百度阿波羅等公司正在將自動(dòng)駕駛從一個(gè)技術(shù)和功能轉(zhuǎn)變?yōu)檎嬲纳虡I(yè)活動(dòng)百度第五代無(wú)人車(chē)ApolloMoon自動(dòng)駕駛的商業(yè)化挑戰(zhàn)具體細(xì)節(jié)1：實(shí)現(xiàn)自動(dòng)駕駛的商業(yè)化需要技術(shù)的積累，具體的應(yīng)用場(chǎng)景，汽車(chē)企業(yè)的合作，以及商業(yè)化的思考具體細(xì)節(jié)2：只有大型的自動(dòng)駕駛平臺(tái)，如百度阿波羅，有足夠的資源去建設(shè)無(wú)人駕駛生態(tài)，已經(jīng)開(kāi)始實(shí)現(xiàn)商業(yè)化智能車(chē)系統(tǒng)設(shè)計(jì)ARTrobot-Drive無(wú)人駕駛智能車(chē)的設(shè)計(jì)和功能具體細(xì)節(jié)1：這是一款專(zhuān)為應(yīng)急救援設(shè)計(jì)的自主駕駛車(chē)輛，利用Python編程語(yǔ)言和深度學(xué)習(xí)開(kāi)源框架，實(shí)現(xiàn)了高度集成的硬件驅(qū)動(dòng)模塊和分布式結(jié)構(gòu)化軟件設(shè)計(jì)框架具體細(xì)節(jié)2：它可以進(jìn)行數(shù)據(jù)采集、構(gòu)建數(shù)據(jù)模型、自主識(shí)別彎道和無(wú)人駕駛驗(yàn)證等功能

ARTrobot-Drive無(wú)人駕駛智能小車(chē)ARTrobot-Drive無(wú)人駕駛智能車(chē)的核心功能

——自動(dòng)駕駛和路徑規(guī)劃具體細(xì)節(jié)1：利用一個(gè)卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建攝像頭數(shù)據(jù)和小車(chē)拐彎角度的關(guān)系模型。通過(guò)訓(xùn)練這個(gè)模型，小車(chē)可以根據(jù)實(shí)時(shí)的攝像頭數(shù)據(jù)自動(dòng)調(diào)整方向，實(shí)現(xiàn)無(wú)人駕駛。具體細(xì)節(jié)2：利用一個(gè)深度強(qiáng)化學(xué)習(xí)算法進(jìn)行路徑規(guī)劃。這使得小車(chē)可以根據(jù)環(huán)境信息，自動(dòng)選擇最優(yōu)的路徑，從而達(dá)到目的地。自動(dòng)駕駛汽車(chē)面臨的挑戰(zhàn)技術(shù)挑戰(zhàn)具體細(xì)節(jié)1：雖然我們已經(jīng)在許多場(chǎng)景中看到了無(wú)人駕駛汽車(chē)的成功應(yīng)用，但仍然有許多技術(shù)問(wèn)題需要解決。例如，如何在復(fù)雜的交通環(huán)境中保證無(wú)人駕駛汽車(chē)的安全性和可靠性，如何處理極端天氣條件下的無(wú)人駕駛問(wèn)題。自動(dòng)駕駛汽車(chē)面臨的挑戰(zhàn)道德和法律問(wèn)題具體細(xì)節(jié)1：如果一個(gè)無(wú)人駕駛汽車(chē)在一個(gè)交通事故中，必須在撞到行人和撞到障礙物之間做選擇，那么它應(yīng)該如何選擇？誰(shuí)應(yīng)該為這種決定負(fù)責(zé)？這些問(wèn)題都是我們?cè)趯?shí)現(xiàn)無(wú)人駕駛汽車(chē)廣泛應(yīng)用之前，必須解決的問(wèn)題。感謝您的觀看！以上是

本節(jié)全部?jī)?nèi)容標(biāo)志物識(shí)別算法——YOLO算法簡(jiǎn)介人工智能應(yīng)用素養(yǎng)01目錄CONTENTS目標(biāo)檢測(cè)基礎(chǔ)02YOLO算法目標(biāo)檢測(cè)基礎(chǔ)目標(biāo)檢測(cè)基礎(chǔ)：具體細(xì)節(jié)1：目標(biāo)檢測(cè)的定義和目的具體細(xì)節(jié)2：目標(biāo)檢測(cè)任務(wù)的復(fù)雜性和挑戰(zhàn)性計(jì)算機(jī)視覺(jué)任務(wù)的三大類(lèi)具體細(xì)節(jié)1：圖像分類(lèi)的定義和任務(wù)具體細(xì)節(jié)2：目標(biāo)檢測(cè)的定義和任務(wù)具體細(xì)節(jié)3：實(shí)例分割的定義和任務(wù)YOLO算法YOLO模型介紹YOLO模型的全稱(chēng)和發(fā)展歷程具體細(xì)節(jié)1：YOLO模型的全稱(chēng)和提出時(shí)間 ——2016年由JosephRedmon等人提出的一種實(shí)時(shí)目標(biāo)檢測(cè)算法具體細(xì)節(jié)2：YOLO模型的特點(diǎn)和優(yōu)勢(shì) ——只需要瀏覽一次圖像就可以識(shí)別出圖中的物體的類(lèi)別和位置，這使得它在實(shí)時(shí)性方面具有優(yōu)勢(shì)，是第一個(gè)能夠平衡檢測(cè)質(zhì)量和速度的算法具體細(xì)節(jié)3：YOLO模型的發(fā)展和迭代版本——自從2015年YOLOv1提出以來(lái)，已經(jīng)進(jìn)行了三次主要的迭代，分別是YOLOv2(YOLO9000)，YOLOv3，和YOLOv4使用YOLO模型進(jìn)行目標(biāo)檢測(cè)的步驟（一）

數(shù)據(jù)準(zhǔn)備和標(biāo)注具體細(xì)節(jié)1：收集和標(biāo)注適用于任務(wù)的圖片具體細(xì)節(jié)2：將標(biāo)注好的數(shù)據(jù)集分為訓(xùn)練集、驗(yàn)證集和測(cè)試集已標(biāo)注數(shù)據(jù)使用YOLO模型進(jìn)行目標(biāo)檢測(cè)的步驟（二）設(shè)置YOLO的運(yùn)行環(huán)境具體細(xì)節(jié)1：克隆YOLO的源代碼，安裝YOLO需要的庫(kù)和軟件包具體細(xì)節(jié)2：根據(jù)任務(wù)需求，修改YOLO的配置文件YOLOv5在github官網(wǎng)界面使用YOLO模型進(jìn)行目標(biāo)檢測(cè)的步驟（三）

模型訓(xùn)練與優(yōu)化具體細(xì)節(jié)1：進(jìn)行模型訓(xùn)練，通過(guò)調(diào)整超參數(shù)進(jìn)行模型優(yōu)化具體細(xì)節(jié)2：常見(jiàn)的優(yōu)化參數(shù)包括學(xué)習(xí)率、批量大小、優(yōu)化器的類(lèi)型、正則化項(xiàng)的權(quán)重等使用YOLO模型進(jìn)行目標(biāo)檢測(cè)的步驟（四）模型評(píng)估與部署具體細(xì)節(jié)1：在驗(yàn)證集上進(jìn)行模型評(píng)估，關(guān)注模型的精度、召回率和mAP等指標(biāo)具體細(xì)節(jié)2：將模型部署到服務(wù)器或嵌入式設(shè)備上，進(jìn)行目標(biāo)檢測(cè)YOLO模型總結(jié)與展望YOLO模型的優(yōu)勢(shì)具體細(xì)節(jié)1：YOLO模型的效率和實(shí)時(shí)性具體細(xì)節(jié)2：YOLO模型在實(shí)時(shí)目標(biāo)檢測(cè)應(yīng)用中的重要性YOLO模型的局限性和未來(lái)研究方向具體細(xì)節(jié)1：YOLO模型的一些局限性，如對(duì)小物體的檢測(cè)效果和對(duì)物體遮擋和旋轉(zhuǎn)的敏感度具體細(xì)節(jié)2：未來(lái)研究的重要方向，如如何改進(jìn)YOLO模型以提升在以上方面的表現(xiàn)感謝您的觀看！以上是

本節(jié)全部?jī)?nèi)容數(shù)據(jù)標(biāo)注與數(shù)據(jù)集格式轉(zhuǎn)換和劃分人工智能應(yīng)用素養(yǎng)數(shù)據(jù)標(biāo)注的重要性數(shù)據(jù)標(biāo)注的定義和重要性類(lèi)似于給書(shū)本內(nèi)容貼上標(biāo)簽讓模型通過(guò)學(xué)習(xí)有標(biāo)簽的數(shù)據(jù)自主識(shí)別特征數(shù)據(jù)標(biāo)注在AI企業(yè)中的作用訓(xùn)練機(jī)器，確保算法模型的有效性關(guān)鍵步驟在AI模型開(kāi)發(fā)中數(shù)據(jù)標(biāo)注類(lèi)型和應(yīng)用數(shù)據(jù)標(biāo)注的多樣性適用于不同的標(biāo)注場(chǎng)景對(duì)應(yīng)特定的AI應(yīng)用

數(shù)據(jù)標(biāo)注的實(shí)際應(yīng)用示例圖片標(biāo)注在無(wú)人駕駛中的關(guān)鍵作用圖像標(biāo)注數(shù)據(jù)訓(xùn)練，提供實(shí)在的“視覺(jué)”LabelImg工具介紹

LabelImg的基本信息基于Python的開(kāi)源圖像標(biāo)注工具支持PascalVOC、YOLO等多種格式

LabelImg的特點(diǎn)支持多種標(biāo)注方式界面友好，易于操作跨平臺(tái)兼容性選擇VOC格式的理由VOC格式的優(yōu)勢(shì)提供全面的標(biāo)注信息：位置、類(lèi)別、尺寸等有利于訓(xùn)練機(jī)器學(xué)習(xí)算法和優(yōu)化模型

VOC格式轉(zhuǎn)換為YOLO格式利用代碼進(jìn)行批量轉(zhuǎn)換適應(yīng)不同模型訓(xùn)練需求從VOC到Y(jié)OLO格式的轉(zhuǎn)換

數(shù)據(jù)標(biāo)注的完成完成交通標(biāo)志物識(shí)別模型的數(shù)據(jù)標(biāo)注使用VOC格式進(jìn)行標(biāo)注

格式轉(zhuǎn)換的必要性YOLOv5訓(xùn)練需要YOLO格式利用Python實(shí)現(xiàn)自動(dòng)化轉(zhuǎn)換數(shù)據(jù)集的劃分

數(shù)據(jù)集劃分的重要性分為訓(xùn)練集和驗(yàn)證集防止模型過(guò)擬合

數(shù)據(jù)集劃分的實(shí)際操作訓(xùn)練集用于模型學(xué)習(xí)和調(diào)整權(quán)重驗(yàn)證集確保模型在未見(jiàn)數(shù)據(jù)上的性能數(shù)據(jù)準(zhǔn)備的完成與下一步計(jì)劃

數(shù)據(jù)準(zhǔn)備的總結(jié)完成數(shù)據(jù)集的格式轉(zhuǎn)換和劃分為AI學(xué)習(xí)旅程鋪墊基礎(chǔ)

未來(lái)的學(xué)習(xí)計(jì)劃進(jìn)行模型的搭建和訓(xùn)練階段深入探索AI技術(shù)的應(yīng)用感謝您的觀看！以上是

本節(jié)全部?jī)?nèi)容模型訓(xùn)練人工智能應(yīng)用素養(yǎng)模型搭建與訓(xùn)練階段數(shù)據(jù)準(zhǔn)備的完成完