用于自动驾驶汽车端到端学习的两流卷积网络
机器学习
2018-12-18 v2 人工智能
摘要
我们提出一种方法，将两流卷积网络的概念扩展至利用时间线索进行自动驾驶汽车的端到端学习。该系统能够通过将原始图像与预计算的光流直接映射至转向指令，同时学习时空特征。尽管光流编码了丰富的时间信息，我们发现2D-CNN易于仅将特征捕获为空间表示。我们展示了多任务学习如何通过来自共享时空表示的归纳迁移，促进时间特征的学习。初步结果表明，与在Comma.ai数据集上训练的广泛使用的回归方法相比，预测精度与稳定性有30%的竞争性提升。
引用
@article{arxiv.1811.05785,
title = {Two-stream convolutional networks for end-to-end learning of self-driving cars},
author = {Nelson Fernandez},
journal= {arXiv preprint arXiv:1811.05785},
year = {2018}
}