欢迎学习《Python自动驾驶汽车应用设计开发中深度学习和计算机视觉视频教程》课程，你将学习OpenCV、Keras、物体和车道检测以及自动驾驶汽车的交通标志分类。本课程的目的是为学生提供有关自动驾驶汽车设计和开发关键方面的知识。该课程为学生提供机器学习和计算机视觉等各种自动驾驶汽车概念的实践经验。将介绍车道检测、交通标志分类、车辆/物体检测、人工智能和深度学习等概念。该课程面向希望对自动驾驶车辆控制有基本了解的学生。推荐基本的编程知识。但是，这些主题将在早期课程讲座中广泛涉及；因此，该课程没有任何先决条件，对任何具有基本编程知识的学生开放。
类型：电子学习 | MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz
语言：英语 | 大小：5.19 GB | 时长：12h 45m
你会学到什么
- 自动检测图像中的车道标记
- 使用经过训练的分类器和 SVM 检测汽车和行人
- 使用卷积神经网络对交通标志进行分类
- 使用模板匹配识别图像中的其他车辆
- 使用 Tensorflow 和 Keras 构建深度神经网络
- 使用 Numpy、Pandas、Matplotlib 和 Seaborn 分析和可视化数据
- 使用OpenCV处理图像数据
- 在 Python 中校准相机，校正失真
- 使用卷积锐化和模糊图像
- 使用 Sobel、Laplace 和 Canny 检测图像中的边缘
- 通过平移、旋转、调整大小和透视变换来变换图像
- 用 HOG 提取图像特征
- 使用 Harris 检测物体角点
- 使用机器学习技术对数据进行分类，包括回归、决策树、朴素贝叶斯和 SVM
- 使用人工神经网络和深度学习对数据进行分类
要求
- 具有至少 3GB 可用磁盘空间的 Windows、Mac 或 Linux PC。
- 有一定的编程经验。
描述
自动驾驶汽车：计算机视觉和深度学习
汽车行业正在经历从传统的人工驾驶汽车向自动驾驶人工智能驱动汽车的范式转变。自动驾驶汽车提供了一种安全、高效且具有成本效益的解决方案，将极大地重新定义人类出行的未来。到 2035 年，自动驾驶汽车预计将挽救超过 50 万人的生命，并创造超过 1 万亿美元的巨大经济机会。汽车行业正在寻求数十亿美元的投资，以在道路上部署技术最先进的车辆。
随着世界迈向无人驾驶的未来，在这个新兴领域对经验丰富的工程师和研究人员的需求从未像现在这样重要。
本课程的目的是为学生提供有关自动驾驶汽车设计和开发关键方面的知识。该课程为学生提供机器学习和计算机视觉等各种自动驾驶汽车概念的实践经验。将介绍车道检测、交通标志分类、车辆/物体检测、人工智能和深度学习等概念。该课程面向希望对自动驾驶车辆控制有基本了解的学生。推荐基本的编程知识。但是，这些主题将在早期课程讲座中广泛涉及；因此，该课程没有任何先决条件，对任何具有基本编程知识的学生开放。
我们将介绍的工具和算法包括
- 开放式CV
- 深度学习和人工神经网络
- 卷积神经网络
- 模板匹配
- HOG特征提取
- SIFT、SURF、FAST 和 ORB
- TensorFlow 和 Keras
- 线性回归和逻辑回归
- 决策树
- 支持向量机
- 朴素贝叶斯
您的导师是拥有电动汽车控制系统工程博士学位的 Ryan Ahmed 博士，以及在亚马逊工作了 9 年的专攻机器学习的 Frank Kane。仅在Udemy上，弗兰克和艾哈迈德博士就共同教授了全球超过 500,000 名学生。
我们热门课程“数据科学、深度学习和使用 Python 的机器学习”的学生可能会发现，从自动驾驶汽车的角度来看，其中一些主题是对其中所涵盖内容的回顾。但是，本课程的大部分内容都侧重于我们以前从未涉及过的主题，特别是自动驾驶汽车中使用的计算机视觉技术。在这里可以学到很多新的、有价值的技能！
本课程适用于谁
有兴趣学习为自动驾驶汽车提供动力的算法的软件工程师。