资讯 人工智能
此为临时链接,仅用于文章预览,将在时失效

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

作者:雷锋字幕组
2018/06/19 10:36

雷锋网(公众号:雷锋网)按:雷锋字幕组获MIT课程团队授权翻译自动驾驶课程,视频链接:http://www.mooc.ai/course/483/info

我们为你整理了每一个 Lecture 的课程笔记,提炼出每一讲的要点精华,推荐结合课程笔记观看视频内容,学习效果更佳。

原标题 MIT 6.S094: Deep Learning for Self-Driving Cars 2018 Lecture 5 Notes: Deep Learning for Human Sensing

作者 |  Sanyam Bhutani             

翻译 | 陈涛、朱伟杰、Binpluto,、佟金广                           整理 | 凡江

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

所有的图片皆来自课程中的幻灯片。

这次的课程将利用深度学习的方法来理解人类的感官功能。

其中研究的重点在于计算机视觉技术。

我们将了解到:如何使用计算机视觉技术,从拍摄于汽车场景下的视频中提取有用的信息。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

深度学习实现人类感知:

使用计算机视觉和深度学习的技术,创造可以在真实世界中发挥作用的系统。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

达到此目的的要求是(按重要性排序):

我们需要大量的真实数据,其中数据收集是最困难且最重要的环节。

原始数据需要被归纳成有意义的、具有代表性的例子,这意味着原始数据需要被标注。

我们需要收集数据并采用半监督学习的技术,去找到其中可以被用来训练我们网络的数据。

良好的标注可以使模型表现出色。

对不同的场景,标注技术是完全不同的,比如:视线分类的标注、身体姿态估计的标注、SegFuse 比赛中图片像素级的标注。

大批的数据需要得到大规模的分布式计算和存储。

我们希望算法能够自校准,从而得到泛化的效果。

目前深度学习中的算法都是基于单独的图像开发出来的,我们需要让算法能够处理一连串图像所组成的时间序列。

上述要求的重点是:数据收集及清理比算法本身更重要。

人类的缺点

2014 年,分心驾驶所引发的车祸导致 3179 人丧生,超过 431 万人受伤。

当你边开车边发消息时,平均每 5 秒钟,你的眼睛就会偏离路况。

在 2014 年中,30% 的交通死亡事件由酒驾造成。

在 2014 年中,23% 的夜间驾驶者都属于毒驾。

疲劳驾驶引发了 3% 的交通死亡事件。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

考虑到这些缺点,以及我们在前面课程中讨论过的未来实现自动化驾驶的两条路径(以人为中心的自动化和完全的自动化):

我们需要思考以人为中心的自动化驾驶的设想是否可行?

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT-AVT 自然驾驶数据集

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

数据收集:

收集到的数据使得我们可以了解到如下信息:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

安全性 Vs 针对自动驾驶的偏好

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了


MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

行人识别

面对的挑战:

解决方案:

需求是从原始的像素图片中提取特征。

平滑移动图片:

更加智能化的网络:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

这些网络生成的模型会被考虑用于整个方案的一个部分,而不是通过移动窗口的方式。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

数据(从不同的交叉领域中得到的):

肢体姿势估计

内容包括:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

为什么它很重要?

序列化探测法

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

整体姿势洞悉:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

级联姿态回归器:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

身体部位探测法:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

浏览分类算法:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

(产生)两个结果:(视线)在路上/不在路上。

或六个结果:

  1. 在路上

  2. 不在路上

  3. (看)左边

  4. (看)右边

  5. (看)仪表盘

  6. (看)后视镜

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

面部定位:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

凝视分类算法工作流程:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

注释工具

半自动注释:网络不确定的数据由人为注释。

基本的比较评定:

我们可以接受的精确度是多少?

为了提高精确度,常常人为迭代和注释数据。

辅助的积极方面:

能够处理更多的训练数据。

某些级别的人工注释修复了一些问题。

驾驶员状态识别:

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

驾驶员的情绪识别。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

  1. 例如:使用基于语音的 GPS(全球定位系统)交互-自注释。

  2. 通用的情绪识别器做不到如下判断,在驾驶过程中笑意味着沮丧。

  3. 因此,注释是十分重要的。这些数据必须被标记于反映对应的情境。

认知负荷:

对应在一个人身上就是精神层面的繁忙。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

  1. 当输入一些列图片时,我们使用三维卷积的方法。

  2. 对多个图像/通道进行交叉卷积

  3. 这使得学习的过程在时间跨度上具有一定的动态范围。

利用 N 个背景任务来估计认知负荷。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

所以,在现阶段必须将人包含在机器感知的过程中。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

  1. SDC 是一个个人机器人而不是一套具有感知功能的控制系统。

  2. 传送控制系统中包括一个人机接口。

  3. SDC 机器人将会对自动驾驶汽车产生深远的影响。

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

博客原址: https://hackernoon.com/mit-6-s094-deep-learning-for-self-driving-cars-2018-lecture-5-notes-deep-learning-for-human-5cb0f53e4f15

更多文章,关注雷锋网,添加雷锋字幕组微信号(leiphonefansub)为好友

备注「我要加入」,To be an  AI  Volunteer !

MIT 6.S094· 感知人类的深度学习 | 学霸的课程笔记,我们都替你整理好了

雷锋网雷锋网

文章点评
相关文章