基于ImageNet预训练的DenseNet神经网络架构
聊到自动驾驶汽车，有个绕不开的硬伤：激光雷达的成本，至今仍比某些低档车本身还要贵。维护它、处理它的输出数据，既耗费资金又让人头疼。这样一来，想把激光雷达直接应用于量产车型，确实不太现实。 不过话说回来，激光雷达在计算“深度”信息方面，精度确实无可挑剔。深度信息对无人驾驶来说有多重要？路径规划、与障碍
聊到自动驾驶汽车，有个绕不开的硬伤：激光雷达的成本，至今仍比某些低档车本身还要贵。维护它、处理它的输出数据，既耗费资金又让人头疼。这样一来，想把激光雷达直接应用于量产车型，确实不太现实。
不过话说回来，激光雷达在计算“深度”信息方面，精度确实无可挑剔。深度信息对无人驾驶来说有多重要？路径规划、与障碍物保持安全距离，全都依赖它。所以理论上，激光雷达简直是自动驾驶的标配。可惜，还是那个字：贵！
早些年，高射程激光雷达的单价能到7.5万美元。好在业界一直在砸钱攻关降成本。Alphabet旗下的Waymo经过大量研究，硬是把成本砍掉了90%——这可不是小数目。
激光雷达的维护和数据处理依然昂贵且麻烦。更糟的是，碰上大雾、暴雨这类恶劣天气，激光雷达输出的点云会带大量噪点，直接导致数据不准。这就让它在商业化量产中的处境更加尴尬。
即便如此，各大公司依然值得在激光雷达和点云处理这条路上继续投入。毕竟，谁说得准呢？说不定哪天激光雷达就真便宜下来了。
相比之下，摄像头在捕捉场景的高分辨率细节上表现抢眼。但问题也很明显——它没法像激光雷达那样直接给出“深度信息”。你看，世界上到处是这种二选一的局面。摄像头输出的是高分辨率平面图像，但想从单张2D图直接挖掘出深度，几乎不可能。当然，立体视觉这条路径可以尝试：把两个放在同一水平线、相隔一定距离的摄像头拍到的图像拿来，用计算机视觉算法估算深度。
计算机视觉文献里有一堆立体深度估计算法，但实话实说，没有哪一个能同时做到三件事：实时处理、高精度、全自动。一个都没实现。
人类就不一样了，靠两只眼睛的立体视觉，甚至单眼都能很好地估计深度。哪怕闭上一边眼睛，对深度的判断仍然过得去。我们到底是不是“学会”了感知深度？这个问题没人能真正回答。但换个角度，深度估计完全可以当作一个学习问题来处理。那么问题来了：用学习得到的“够用”的深度，能解决自动驾驶问题吗？
近几年有不少论文把单目深度估计当作学习任务来攻关。大致分几路：
1．监督深度估计
“监督”学习的思路很直白：收集RGB图像和对应的深度图，然后训练一个类似“自动编码器”的结构来做深度估计。当然，实际操作没那么简单——如果不加一些特殊技巧，全卷积网络（FCN）很难真正跑通。缺点是，在现实里收集深度图比登天还难，成本极高。不过，可以用激光雷达的数据来训练这类网络。这么一来，神经网络的性能虽然不会超过激光雷达的精度，但已经够用了——你不需要知道树上每片叶子距离车的精确值，差几厘米对驾驶来说没影响。2．无监督深度估计
光是在一系列环境里标好高质量的深度数据，本身就是个头疼的问题。无监督方法就牛了：它不需要真实深度图，也能学出深度。做法很简单——只看未标注的视频，找到一种方式生成深度图，判断的标准不是“绝对正确”，而是“保持一致性”。3．神经网络架构
这类网络的结构类似U-Net：编码器部分用的是在ImageNet上预训练好的DenseNet模型；解码器部分则用双线性上采样，而不是简单的上采样。为什么用双线性？因为它上采样后的整体图像更“平滑”。输出的深度图尺寸是输入图像的一半，这么做能让网络学得更快。4．图像增强
为了提升泛化能力，可以搞各种图像增强：图像翻转、打乱输入图像的色彩通道、加噪、调整对比度、亮度、色温等等。这些手段让模型在整个训练过程中持续看到新数据，对未见过的场景也能更好地适应。目前，深度估计在AR/VR领域已经有不少落地应用。自动驾驶这边，故事还在继续。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：基于ImageNet预训练的DenseNet神经网络架构要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点在 Degiro 上进行投资的用户，常常会遇到一个共同的痛点：平台自带的数据展示较为基础，若想获取更深入的投资组合分析、风险指标，甚至对未来走势做出预测，通常只能借助 Excel 手动处理。不过，现在有一款 Chrome 扩展程序可以完美解决这一难题——Mercury，专为 Degiro 用户量身打
在投资决策过程中，客观数据往往比主观直觉更值得信赖。名为Lorna的智能平台，运用独特的现金流分析体系，帮助投资者穿透虚饰的财务报表，直达企业真实的财务健康状况。 什么是Lorna？——数据驱动的现金流分析投资工具 简而言之，Lorna是一个以数据为核心驱动力的投资分析工具。其核心利器是独创的“现金
Front Street自动追踪你的每一笔消费，整合各类忠诚度计划，并提供财务洞察与省钱妙招——说白了，就是帮你把钱&包管得明明白白。 什么是Front Street？ 简单讲，Front Street就是你的购物管家。它自动记录你在每个品牌、每家店的所有购买行为，然后把零散的忠诚度计划全部整合到一
在创投圈深耕多年，你会发现一个普遍难题：融资过程中，投资者关系维护、尽职调查、潜在投资人挖掘……这些环节往往耗费巨大精力，却又直接决定成败。如果能有一款工具将这些琐事自动化，让团队聚焦于真正重要的沟通与战略决策，那该多理想？Finta 正是为此而生。 什么是Finta？ Finta 本质上是一款 A
- 日榜
- 周榜
- 月榜
热点快看