关于数据集制作相关问题思考

最新推荐文章于 2024-09-11 11:16:18 发布

Zxialuoke

最新推荐文章于 2024-09-11 11:16:18 发布

阅读量374

点赞数

本文链接：https://blog.csdn.net/Zxialuoke/article/details/103453031

版权

最近需要在模拟器中搜集自动驾驶的数据（图片和车速），开始使用模拟器手动控制车俩的程序时很恼火，很不容易控制。于是我自己写了一份手动控制代码，方便操控。正是这份控制起来方便的方案坑了我很久，自己挖的坑还得自己爬。下面对这坑进行总结一下。

挖坑过程详解：

学习自动驾驶的同学可能都使用过模拟器，使用模拟器搜集数据集时都会手动控制车俩行驶。简单道路还好，道路弯多一点很容易就跑出去了（条件有限，只能键盘控制），强迫症的我不断重新开始，速度快一点就跑出去了，太慢又受不了（速度和方向都很敏感，模拟的真实车俩）。突然我灵机一动何不自己写一个，速度和方向好控制的方案。下面给出控制策略的代码：

if key == 'w':
	speed += 1.
	if speed >= 40:
		speed = 40
elif key == 's':
	speed -= 1.
	if speed <= -10:
		speed = -10
elif key == 'a':
	angle += 1.
	if angle >= 15:
		angle = 15
elif key == 'd':
	angle -= 1.
	if angle <= -15:
		angle = -15

哈哈哈，就是这么简单！这样在跑弯道时我可以把角度和速度保持在某个位置。测试果然效果不错。就这样我收集了我需要的数据，然后训练网络，最后在模拟器中测试，看上去感觉也还可以。那么问题是什么了？这样的模型鲁棒性非常的差，稍微调整一下车辆的方向位置，或者改变一下环境，效果就非常差。不管我如何修改网络，鲁棒性并没有多少提高。下面我们分析一下问题出在哪儿了？

分析问题：

我们先理解一下DNN模型的本质是什么？我的理解是一种映射关系，这里就是图片与角度、速度的一种映射。我们训练的过程就是寻找这种映射的对应关系。那么上面的问题怎么解释了？由于上面的代码，车俩在某个位置时，我习惯性的做出相同的操作，因为我知道这样可以让车辆更快的通过。这就导致了同一位置的数据相似性很高，也就是定义域和值域比较窄。训练的数据集都很窄，映射出来的关系也可想而知。本质上这个坑很蠢，作为小白爬这样的坑也很正常。