自动驾驶之项目一-城市环境的目标检测

该项目涉及创建一个卷积神经网络,使用Waymo数据集来检测和分类城市环境中的自行车者、行人和车辆。通过数据分析确定增强策略,使用TensorFlow对象检测API进行训练,并用TensorBoard监控。文章还涵盖了环境配置、数据下载处理、模型训练和性能提升的步骤,以及如何创建模型预测的短视频。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、项目介绍

在这个项目中,将创建一个卷积神经网络,使用Waymo的数据集来检测和分类物体。您将获得一个城市环境图像数据集,其中包含带标注的骑自行车者、行人和车辆。

首先,执行广泛的数据分析,包括标签分布的计算,样本图像的显示,并检查对象遮挡。

                           来自Waymo数据集的夜间图像示例,带有针对车辆和行人的标注

使用此分析决定哪些增强对该项目有意义;然后,训练一个神经网络来检测和分类对象。

使用TensorBoard监控训练,并决定何时结束。最后,尝试使用不同的超参数来提高模型的性能。

这个项目将包括使用TensorFlow对象检测API(TensorFlow Object Detection API),在此可以部署模型来获得对发送到API的图像的预测;还会提供相关代码,用于创建模型预测的短视频。

二、环境配置

建立项目

本地设置:使用以下的说明来创建Docker容器,使用本地GPU,或者在云提供商的GPU实例上创建一个类似的环境。

项目文件

首先,从相关的Github存储库获取项目文件 (https://github.com/udacity/nd013-c1-vision-starter

Docker安装

对于本地安装,如果你有自己的Nvidia GPU,可以在starter代码的构建目录中使用提供的Dockerfile和需求。

下面的说明也包含在starter代码的构建(Build)目录中。

需求

  • 安装了最新驱动程序的NVIDIA GPU
  • Docker / nvidia-docker

构建(Build)

使用以下指令:

docker build -t project-dev -f Dockerfile .

创建一个容器:

docker run --gpus all -v <PATH TO LOCAL PROJECT FOLDER>:/app/project/ --network=host -ti project-dev bash

以及对系统有用的任何其他标志(例如,——shm-size)。

设置

一旦进入容器,需要安装gsutil,通过运行:

Curl https://sdk.cloud.google.com | bash

一旦安装了gsutil并将其添加到您的路径中,可以使用以下命令进行验证:

gcloud auth login

调试(Debug)

三、项目说明

城市环境中的目标检测(GitHub - udacity/nd013-c1-vi

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值