自動駕駛汽車：計算視覺和深度學習

學習opencv，keras，對象和頻段檢測以及自動駕駛汽車的交通信號

汽車行業正在經歷範式轉變，這是由人類驅動的傳統車輛驅動到人工智能移動的自動駕駛汽車。自動駕駛汽車提供了一種安全，高效和經濟的解決方案，可以大大重新定義人類流動性的未來。到2035年，自動駕駛汽車預計將為超過1萬億美元的經濟機會挽救超過1萬億美元的巨大機會。汽車行業正在搜索十億美元的搜索，以部署更多技術先進的公路車輛。

隨著世界朝著無駕駛員的未來發展，在這個新的新興領域中對經驗豐富的工程師和研究人員的需求從未如此重要。本課程的目的是為學生提供有關自動駕駛汽車設計和開發的關鍵方面的知識。該課程為學生提供了各種自動駕駛汽車概念（例如機器學習和計算視覺）的實踐經驗。將提出諸如軌道檢測，過境信號分類，車輛/對象檢測，人工智能和深度學習之類的概念。

該課程針對想要獲得對自動駕駛汽車控制的基本了解的學生。建議具有基本的編程知識。但是，這些主題將在課程的首次講座期間得到廣泛解決。因此，該課程沒有先決條件，並向任何具有基本編程知識的學生開放。參加此自動駕駛汽車課程的學生將主導無人駕駛汽車技術，這些技術將重塑運輸的未來。

我們將解決的工具和算法包括：
– OpenCV
– 深度學習和人工神經網絡
– 卷積神經網絡
– 模型對應關係
– 豬特性提取
– 篩，衝浪，快速和球
– Tensorflow和Keras
– 線性回歸和物流回歸
– 決策樹
– 支持向量機
– 天真的貝葉斯

他的講師是伊桑·安德森（Ethan Anderson）博士，具有專注於電動汽車控制系統的工程博士學位，奧利維亞·湯普森（Olivia Thompson）博士在一家專門從事機器學習的領先技術公司工作了9年。安德森博士和湯普森博士一起在世界各地教授了50萬多名學生。我們流行的課程“數據科學，深度學習和Python機器學習”的學生可能會發現一些主題，以評論在那裡接近的內容，從自動駕駛汽車的角度看。但是，大多數課程都集中在我們從未有過的主題上，這些主題是針對自動駕駛汽車使用的計算視覺技術的。這裡有許多新的和寶貴的技能！

您將學到什麼

• 自動檢測圖像中的軌道標記
• 使用訓練有素的SVM分類器檢測汽車和行人
• 使用卷積神經網絡對交通標誌進行分類
• 使用型號在圖像中識別其他車輛
• 用張量和凱拉斯建立深層神經網絡
• 用Numpy，Pandas，Matplotlib和Seabron分析和可視化數據
• 使用OpenCV處理圖像數據
• 校準python中的攝像頭，校正失真
• 卷積搖動和模糊圖像
• 檢測具有Sobel，Laplace和Canny的圖像中的邊界
• 通過翻譯，旋轉，調整和轉換透視圖來轉換圖像
• 用豬提取圖像特徵
• 與哈里斯一起檢測物體的角落
• 將數據與機器學習技術分類，包括回歸，決策樹，天真的貝葉斯和SVM
• 通過人工神經網絡和深度學習對數據進行分類