基于迁移学习的增强型行为克隆自动驾驶汽车
计算机视觉与模式识别
2021-12-14 v1
摘要
随着人工智能与自主学习的不断发展，自动驾驶汽车是有前景的研究领域之一，并正成为汽车工业的焦点。行为克隆是通过机器学习算法借助视运动策略复现人类行为的过程。近年来，针对自动驾驶汽车已开发出若干基于深度学习的行为克隆方法，特别是基于迁移学习的概念。就此，本文提出一种使用 VGG16 架构的迁移学习方法，通过重新训练最后一块而其他块保持不可训练来进行微调。所提架构的性能进一步与现有 NVIDIA 架构及其剪枝变体（使用 1x1 滤波器剪枝 22.2% 与 33.85% 以减少总参数量）进行比较。实验结果表明，带迁移学习的 VGG16 架构以更快收敛优于其他所讨论的方法。
引用
@article{arxiv.2007.05740,
title = {Enhanced Behavioral Cloning Based self-driving Car Using Transfer Learning},
author = {Uppala Sumanth and Narinder Singh Punn and Sanjay Kumar Sonbhadra and Sonali Agarwal},
journal= {arXiv preprint arXiv:2007.05740},
year = {2021}
}