汽车工业中的深度学习：应用与工具

深度学习是指一组利用具有许多隐藏层的神经网络来完成图像分类、语音识别、语言理解等任务的机器学习技术。深度学习已在这些领域被证明非常有效，并被许多互联网服务广泛使用。在本文中，我们描述了深度学习的不同汽车应用案例，特别是在计算机视觉领域。我们调研了用于实现、训练和部署深度神经网络的库、工具和基础设施（例如 GPU 和云）的当前最新技术。我们特别关注卷积神经网络和计算机视觉应用案例，例如制造工厂中的视觉检测流程以及社交媒体数据的分析。为了训练神经网络，经过整理和标注的数据集至关重要。尤其是，此类数据集的可用性和范围通常非常有限。本文的一个主要贡献是创建了一个汽车数据集，使我们能够学习并自动识别不同的车辆属性。我们描述了一个端到端的深度学习应用，该应用利用移动应用程序进行数据收集和流程支持，以及基于 Amazon 的云后端进行存储和训练。对于训练，我们评估了云和本地基础设施（包括多个 GPU）结合不同神经网络架构和框架的使用。我们评估了训练时间以及分类器的准确性。最后，我们在制造过程中的真实环境中展示了训练好的分类器的有效性。