神经网络,特别是深度学习的研究最近在计算机视觉的领域和计算机科学的其他重要领域取得了许多突破。在这些技术的应用中,自动驾驶技术十分火热。据Electrek报道,电动汽车制造商特斯拉已经申请了一项专利,内容是如何从其庞大的客户车队中获取训练数据,以训练其自动驾驶神经网络。训练数据是决定深层神经网络性能的基本因素之一。一般来说,训练数据越多,性能越好。


特斯拉自动驾驶新专利:利用车队数据训练神经网络


这项专利是为特斯拉申请的,但特斯拉人工智能和自动驾驶软件主管安德烈·卡帕西(Andrej Karparis)被指定为该申请的唯一发明人。


卡帕西描述了在应用程序中为深度学习培训收集数据的问题:“用于自动驾驶等应用的深度学习系统是通过训练机器学习模型来开发的。通常,深度学习系统的性能至少部分地受到用于训练模型的训练集的质量限制。在许多情况下,大量的资源被投入到收集、管理和注释培训数据上。创建训练集所需的工作量可能很大,而且通常是单调乏味的。此外,通常很难收集机器学习模型需要改进的特定用例的数据。”


特斯拉开发自动驾驶系统的方式与大多数其他公司大不相同。尽管大多数其他公司利用相对较少的测试车队来收集数据并测试其系统,但特斯拉使用其数十万辆配备了一系列传感器的客户汽车来收集道路和驾驶数据,并在“影子模式”下测试其自动驾驶系统。车队收集的这些数据对特斯拉训练其神经网络实现自动驾驶极其有价值。然而,他们必须小心他们收集并提供给网络的内容。


卡帕西在专利申请中注明:“随着机器学习模型变得越来越复杂,比如深层神经网络,大量训练数据集的必要性也相应增加。与浅层神经网络相比,这些深层神经网络可能需要更多的训练样本,以确保它们的泛化能力较高。例如,虽然神经网络可以被训练成对于所给训练数据来说高度精确,但其可能不能很好地推广到未见的未来示例中。在这个例子中,神经网络可能受益于训练数据中包含的额外示例。”


因此,卡帕西解释了他的专利方法,在传输之前就对源数据进行分类:“示例方法包括接收传感器并将神经网络应用于传感器数据。将触发器分类器应用于神经网络的中间结果,以确定传感器数据的分类器评分。根据至少部分分类器得分,决定是否通过计算机网络传输至少部分传感器数据。一旦确定为阳性,传感器数据就会被传输并用于生成训练数据。”


特斯拉自动驾驶新专利:利用车队数据训练神经网络


相关:特斯拉自动驾驶核心重大改写


据国外媒体报道,特斯拉CEO埃隆·马斯克日前证实,他们正在对Autopilot自动辅助驾驶系统的核心基础代码进行改进。


马斯克表示,在对其系统进行核心进行重写之后,特斯拉将更快地部署更多自动驾驶功能。作为重写的一部分,马斯克说:“神经网络正在吸收越来越多的问题。”


马斯克通过推特表示:“我们需要完成有关Autopilot核心基础代码和3D标签的工作,不久之后更多功能就会迅速实现。”他补充说,重写将“极大地改善”Autopilot的可视化效果。


特斯拉在去年下半年发布的名为“全自动驾驶预览”的更新中,进行了一系列“驾驶可视化改进”:“驾驶可视化现在可以显示其他对象,包括交通信号灯,停车标志和选择道路标记。停车标志和可视化的停车灯不能代替司机做决定,也不会停车。要在驾驶可视化中查看这些其他对象,请点击“控制”>“自动驾驶”>“完全自动驾驶可视化预览”。特斯拉在去年下半年发布的名为“全自动驾驶预览”的更新中,进行了一系列“驾驶可视化改进”:“驾驶可视化现在可以显示其他对象,包括交通信号灯,停车标志和选择道路标记。停车标志和可视化的停车灯不能代替司机做决定,也不会停车。要在驾驶可视化中查看这些其他对象,请点击“控制”>“自动驾驶”>“完全自动驾驶可视化预览”。


但是,这些新对象在可视化系统中的显示并不总是准确的,新的3D标签有望帮助改善这一点。马斯克甚至表示,新的标签功能将使特斯拉自动驾驶能够检测路上的坑洼并制作小地图以便记住它们。


文章来源: 品玩、TechWeb

免责声明:本文由入驻贤集网资讯专栏的作者撰写或者网上转载,观点仅代表作者本人,不代表贤集网立场。如有侵权或者其他问题,请联系举报。
本网转载并注明自其它来源的作品,目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。
如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~