原创 構建貝葉斯深度學習分類器

這篇文章將講述如何使用Keras和Tensorflow訓練貝葉斯深度學習(BDL)分類器。 在深入瞭解具體的訓練示例之前,介紹幾個重要的高級概念: • 什麼是貝葉斯深度學習(BDL)? • 什麼是不確定性(uncertainty)? • 爲

原创 多傳感器數據深度圖的融合:最近基於深度學習的方法

最近討論過數據層傳感器融合問題,特別是最近採用深度學習方法估計深度圖的方法。主要是激光雷達等深度傳感器的數據比較稀疏分辨率低(特別是便宜的低線束激光雷達),好處是數據可靠性高;而攝像頭傳感器獲取的圖像比較緻密並分辨率高,缺點是獲取的深度數

原创 自動駕駛近期行爲預測和規劃的一些文章介紹(上)

最近看到關於自動駕駛行爲預測和規劃的一些文章,想在這裏介紹一下,共分爲上下兩篇,本文是上篇。 《An Auto-tuning Framework for Autonomous Vehicles》 百度Apollo2018年的工作報告。

原创 深度學習的分佈和並行處理系統

深度學習出來以後,大家發現它和以前機器學習的算法運行系統不一樣,這就有了GPU的“輝煌歲月”:)。大神Jeff Dean也曾爲此抓狂過的,這纔有了Tensorflow。 自動駕駛的深度學習任務也很大,建立強大的深度學習平臺是非常必要的。 1

原创 基於雙目視覺的自動駕駛技術

單目視覺是Mobileye(ME)的看家法寶,其實當年它也考慮過雙目,最終選擇放棄。 單目的測距和3-D估計靠什麼?是檢測目標的Bounding Box(BB),如果無法檢測的障礙物,該系統就無法估計其距離和3-D姿態/朝向。沒有深度學習的

原创 基於深度學習的圖像修補/完整方法分析

修補的方法基本上也是基於梯度/邊緣的連續性或者紋理的擴展性,而傳統機器學習方法可以學習有先驗知識的圖像合成方法。下面介紹深度學習的方法。 Pluralistic Image Completion是一種多元(Pluralistic)圖像完整(

原创 基於GAN的高分辨率圖像合成方法介紹

圖像合成有不同的方式,比如像素或者補丁級別的、基於紋理模版的、基於模版梯度的、以及基於運動模版的。 現在討論如何基於深度學習模型去實現這些合成模式,其中GAN起着非常重要的作用。 後面針對兩個特別的領域介紹一下:一是高分辨率說話臉(talk

原创 模擬仿真系統中的汽車和行人模型

在模擬仿真的環境中,一部分屬於靜態的物體,以背景爲主,比如高架橋,樓房,街道,樹木,河流和山丘等等,另一部分是動態的物體,比如汽車,行人,摩托車,自行車和動物等等。靜態的環境數據需要3-D模型,或者IBR模型,而動態的活動模型,就需要提供

原创 Apache 兩個開源項目比較:Flink vs Spark

自動駕駛的平臺需要雲計算,比如大量的機器學習和深度學習訓練,高清地圖,模擬仿真模塊,還有車聯網。 這裏看到一篇Spark和Flink的比較文章,藉機轉載,以後要重新學習這個領域的新東西。 Introduction to Apache F

原创 如何理解自動駕駛領域的“熱”和“亂”?

談到自動駕駛現狀,有人說“熱”和“亂”,其實正常。一個這麼多有錢的公司都投入的方向能不熱嗎,而亂說明它的“新”。如果大家還是去整天寫文章,說明離實用和商用落地比較遠,仍然是一個學術研究。更甚至,如果有不少專家對一個領域紛紛著書立傳,那說

原创 自動駕駛系統中AI的安全問題討論

道路車輛功能安全的ISO 26262標準提供了一整套確保系統功能安全的要求,但機器學習(包括深度學習)方法自身的一些特點會影響安全或安全評估: • 識別危險(Identifying hazards)。 機器學習的使用可能產生新的危險類型