自己的学习笔记

课程资源 链接: https://pan.baidu.com/s/1jIKRmHC 密码: d7vfMIT今年的深度学习与自动驾驶课，课程比较短，只有五节课，是比较基础的概述。提纲整理如下：Introduction to Deep Learning and Self-Driving CarsDeep Reinforcement Learning for Motion PlanningLear

参考文献见最后。1.自动驾驶系统的分类Rule based system基于规则的系统, 也有论文中将这样的方法叫做Mediated percepiton approach.Fully end-to-end 端到端的系统, 也有论文中叫做behavior reflex approach.Intermediate approach综合1、 2两种的综合性方法,如 Princeton的DeepDr

6. Semantic SegmentationFormulationStructured CNNsConditional Random FieldsDiscussion6.1 Semantic Instance SegmentationProposal-based Instance SegmentationProposal-free Instance Segm

Scene understanding 场景理解感觉定义并不是十分明确，找了几个供参考。LSUN Challenge 大规模场景理解比赛INTRODUCTION The PASCAL VOC and ImageNet ILSVRC challenges have enabled significant progress for object recognition in the past

课程视频/课件资源MIT Deep Learning for Self-Driving Cars 课件和视频链接 链接: https://pan.baidu.com/s/1i5iZ1JJ 密码: 7bks 课件已看完，Mark。Stanford CS231n 斯坦福CS231n课程，视频B站上有，看过16年课程的翻译版，额，还是看生肉吧，可以猜～伯克利的机器学习“速成”课程MIT

原题目链接 https://www.quora.com/How-important-is-deep-learning-in-autonomous-driving#答案1Deep learning (DL) is a very interesting technology indeed and yes it does solve perception really well however

综述原文链接https://arxiv.org/pdf/1704.05519.pdf17年CVPR上的一篇关于自动驾驶和计算机视觉的综述，比较全面，大体整理一个提纲，重点关注比较新的研究成果，侧重于深度学习方面的。1. History of Autonomous Driving 自动驾驶的历史这一部分介绍了自动驾驶的项目和自动驾驶的比赛，包括比较出名的Google waymo，

http://blog.youkuaiyun.com/solomon1558/article/details/70173223 Torontocity HCI middlebury caltech 行人检测数据集 ISPRS航拍数据集 mot challenge跟踪数据集数据集名称KITTI 很知名的数据集 数据集链接 http://www.cvlibs.net/datasets/ki