深度学习开发任务实例（无人小车）

目录

1 机器学习VS深度学习

2 深度学习开发实例

2.1任务背景与目标

2.2 任务需求梳理

2.3 明确数据采集需求

2.4数据采集

2.5 数据标注

2.6 数据集拆分

 2.7 检测算法原理

2.8 模型训练

 2.9 效果与指标

3 总结与拓展

---

1 机器学习VS深度学习

如果使用传统机器学习方法我们要实现图片分类，做法如下：

 

 缺点：特征过多，如果将每个像素都作为特征点，那么对于一张640×320的RPG图片，特征数量为640×320×3≈61万个特征

机器学习： 利用算法使计算机能够像人一样从数据中挖掘出信息

深度学习：相比于其他方法参数更多、模型更复杂、使得模型对数据理解更深、更智能。

深度学习的特征提取方法：卷积

        满足“线性性”和“平移不变性”。

        卷积神经网络中的“卷积运算”，本质上对应的是计算“相关性”

多隐层的深度神经网络

        以面部识别为例，构建一个含有两个隐藏层的前馈神经网络

        学习的是神经元中的权重参数

2 深度学习开发实例

2.1任务背景与目标

任务背景：

        自动驾驶行业近些年来逐渐火爆，计算机视觉在其中起到了非常重要的作用。某公司希望给其生产的玩具车赋予检测交通标志的能力。希望能够在模拟场景中识别常见交通标志。

任务目标：