深度学习及自动驾驶应用

前言 二维码使用说明及清单 第1章汽车自动驾驶技术概述1 1.1汽车自动驾驶技术分级及发展现状2 1.1.1汽车自动驾驶的分级2 1.1.2汽车自动驾驶技术发展现状4 1.2汽车自动驾驶技术架构8 1.2.1自动驾驶环境感知技术8 1.2.2自动驾驶决策规划技术10 1.2.3自动驾驶控制执行技术11 1.3汽车自动驾驶领域深度学习应用概述11 1.3.1深度学习与传统机器学习的区别11 1.3.2深度学习的研究及应用进展12 1.3.3深度学习在自动驾驶环境感知中的应用15 1.3.4深度学习在自动驾驶决策规划中的应用15 1.3.5深度学习在自动驾驶控制执行中的应用16 思考题17 第2章深度学习基础及实践18 2.1神经网络简介19 2.1.1神经网络基本概念19 2.1.2单层感知机19 2.1.3多层感知机23 2.2深度学习理论基础23 2.2.1信号前向传播24 2.2.2激活函数25 2.2.3损失函数27 2.2.4优化方法——梯度下降法28 2.2.5误差反向传播30 2.2.6计算图36 2.3深度学习框架38 2.3.1TensorFlow38 2.3.2PyTorch39 2.3.3PaddlePaddle39 2.4实践项目：DNN车辆识别项目40 2.5实践项目：基于DNN的自动驾驶数据集分类43 思考题45 第3章卷积神经网络理论及实践46 3.1全连接神经网络的问题47 3.2卷积神经网络理论基础49 3.2.1卷积神经网络基本结构49 3.2.2卷积层51 3.2.3池化层55 3.3典型的卷积神经网络模型56 3.3.1LeNet56 3.3.2AlexNet58 3.3.3VGGNet59 3.3.4GoogleNet61 3.3.5ResNet64 3.4实践项目：CNN斑马线检测项目66 3.5实践项目：基于残差网络的自动驾驶数据集分类67 思考题69 第4章网络优化与正则化71 4.1优化方法72 4.1.1梯度下降法72 4.1.2随机梯度下降73 4.1.3Momentum方法73 4.1.4Nesterov加速梯度下降74 4.1.5自适应学习率方法75 4.1.6自适应估计Adam方法75 4.2局部*优点问题76 4.3参数初始化方法77 4.3.1参数初始化方法77 4.3.2基于固定方差的参数初始化78