هدایت خودرو خودران با استفاده از الگوریتم های یادگیری عمیق

هدایت خودرو خودران با استفاده از الگوریتم های یادگیری عمیق

امروزه وسایل نقلیه خودران توجهات بسیاری را به خود جلب کرده اند. در این مطالعه از معماری های گوناگون شبکه های عصبی کانولوشنی برای هدایت خودرو در محیط شبیه سازی استفاده می کنیم. در جلوی خودرو شبیه ساز یک عدد دوربین رنگی قرار دارد و رویکرد ما استفاده از آن برای تشخیص جهت حرکت خودرو و جلوگیری از برخورد با موانع اطراف جاده و یا خروج از پیچ ها می باشد. به منظور کاهش میزان داده های آموزشی از انتقال یادگیری استفاده شده است. مدل ها را در مجموعه داده های جمع آوری شده از محیط شبیه سازی که شامل عکس های مسیر و همچنین برچسب متناظر با هرکدام ( "راست" ، "مستقیم"، "چپ" ) مجدداً آموزش می دهیم. معماریxception ، mobilenet ،vgg ، nvidia ، densnet و resnet در این مقاله، تست و نتایج آنها با یکدیگر مقایسه شده است. بهترین مدل، که از معماری vgg16 استفاده می کند، دقت 73 درصدی در مجموعه داده های آزمون را به دست آورد است. در طی یک آزمون کیفی نیز، خودرو به میزان 80 درصد از خروج از جاده اجتناب کرده است.