深度学习在自动驾驶领域的应用

1、什么是深度学习

1.1  基本概念

深度学习即深度神经网络学习，其概念源于人工神经网络的研究，是一种特殊的机器学习形式；其目的在于建立和模拟人脑进行分析学习的神经网络，通过模仿人脑的接受和反馈机制来解释数据；深度学习整个过程就是数据采集、数据处理、数据训练和数据优化，最后形成高准确率的识别分类模型；

图1. 深度学习、机器学习及人工智能三者关系

1.2  多层感知器

多层感知器包含三种类型的神经网络层：输入层 、隐藏层和输出层；输入层是深度学习模型网络的第一层，输出层是网络的最终层，隐藏层则是网络中的中间层；隐藏层负责对输入数据执行特定任务，并将其产生的结果数据传递到下一层；

输入层和输出层是可见的，而中间层则是“隐藏”不可见的。含多个隐藏层的多层感知器（MLP）就是一种深度学习结构。

图2. 多层感知器（MLP）结构示意图

1.3  CNN 卷积神经网络

CNN是自动驾驶中比较常用的深度学习模型，由卷积层、池化层和全连接层构成，在图像处理上具有优势：

1）