Cuốn sách truy cập mở này tập hợp những phát triển mới nhất từ ​​​​ngành công nghiệp và nghiên cứu về lái xe tự động và trí tuệ nhân tạo. Nhận thức về môi trường đối với việc lái xe tự động hóa cao sử dụng mạng lưới thần kinh sâu, đối mặt với nhiều thách thức. Chúng ta cần bao nhiêu dữ liệu cho việc đào tạo và kiểm tra? Sử dụng dữ liệu tổng hợp như thế nào để tiết kiệm chi phí dán nhãn cho đào tạo? Làm cách nào để tăng cường độ mạnh mẽ và giảm mức sử dụng bộ nhớ? Đối với các điều kiện không thể tránh khỏi: Làm sao chúng ta biết rằng mạng không chắc chắn về các quyết định của mình? Chúng ta có thể hiểu thêm một chút về những gì thực sự xảy ra bên trong mạng lưới thần kinh không? Điều này dẫn đến một vấn đề rất thực tế, đặc biệt đối với DNN được sử dụng trong lái xe tự động: Kỹ thuật xác nhận hữu ích là gì và an toàn như thế nào? Cuốn sách này tổng hợp quan điểm từ cả giới học thuật và ngành công nghiệp, nơi thị giác máy tính và học máy đáp ứng nhận thức về môi trường cho việc lái xe tự động hóa cao. Đương nhiên, các khía cạnh của dữ liệu, độ tin cậy, định lượng độ không đảm bảo và cuối cùng nhưng không kém phần quan trọng, sự an toàn là cốt lõi của nó. Cuốn sách này rất độc đáo: Phần đầu tiên cung cấp một bản khảo sát mở rộng về tất cả các khía cạnh liên quan. Phần thứ hai trình bày chi tiết kỹ thuật của các câu hỏi khác nhau được đề cập ở trên.

Abstract:

This open access book brings together the latest developments from industry and research on automated driving and artificial intelligence. Environment perception for highly automated driving heavily employs deep neural networks, facing many challenges. How much data do we need for training and testing? How to use synthetic data to save labeling costs for training? How do we increase robustness and decrease memory usage? For inevitably poor conditions: How do we know that the network is uncertain about its decisions? Can we understand a bit more about what actually happens inside neural networks? This leads to a very practical problem particularly for DNNs employed in automated driving: What are useful validation techniques and how about safety? This book unites the views from both academia and industry, where computer vision and machine learning meet environment perception for highly automated driving. Naturally, aspects of data, robustness, uncertainty quantification, and, last but not least, safety are at the core of it. This book is unique: In its first part, an extended survey of all the relevant aspects is provided. The second part contains the detailed technical elaboration of the various questions mentioned above.

Ngôn ngữ:	En
Tác giả:	Tim Fingscheidt, Hanno Gottschalk, Sebastian Houben
Thông tin nhan đề:	Deep Neural Networks and Data for Automated Driving
Nhà xuất bản:	Springer Nature
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ ô tô
Bản quyền:	https://creativecommons.org/licenses/by/4.0/
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/57375
Mô tả vật lý:	435p.
Năm xuất bản:	2022