解释经端到端训练的深度神经网络如何驾驶汽车转向
计算机视觉与模式识别
2017-04-27 v1 机器学习
神经与进化计算
机器人学
摘要
作为自动驾驶完整软件栈的一部分，NVIDIA创建了名为PilotNet的基于神经网络的系统，该系统给定前方道路图像输出转向角。PilotNet使用道路图像与人工驾驶数据采集车生成的转向角配对进行训练。它通过观察人类驾驶员获得必要的领域知识。这消除了人类工程师预测图像中什么是重要的并预见安全驾驶所有必要规则的需求。道路测试表明，无论是否存在车道标记，PilotNet都能在各种驾驶条件下成功进行车道保持。此处描述工作的目标是解释PilotNet学习了什么以及它如何做出决策。为此，我们开发了一种方法来确定道路图像中哪些元素对PilotNet的转向决策影响最大。结果表明PilotNet确实学会了识别道路上相关物体。除了学习明显特征如车道标记、道路边缘和其他车辆外，PilotNet还学习了工程师难以预见和编程的更微妙特征，例如衬垫道路边缘的灌木丛和非典型车辆类别。
引用
@article{arxiv.1704.07911,
title = {Explaining How a Deep Neural Network Trained with End-to-End Learning Steers a Car},
author = {Mariusz Bojarski and Philip Yeres and Anna Choromanska and Krzysztof Choromanski and Bernhard Firner and Lawrence Jackel and Urs Muller},
journal= {arXiv preprint arXiv:1704.07911},
year = {2017}
}