Open DeepTecher opened 5 years ago
MultiNet: Multi-Modal Multi-Task Learning for Autonomous Driving
日期：2019-01-14（v4）【2017-09-16（v1）】 团队：加州大学伯克利分校 摘要： 自动驾驶需要在不同的行为模式（车道跟随、交叉口交叉、转弯和停止等）下操作。 然而，大多数现有的自动驾驶深度学习方法都没有考虑训练策略中的行为模式。 本文描述了一种在单个深度神经网络中通过使用多模态多任务学习学习多种不同行为模式的技术。 我们研究了这种方法的有效性，并命名该网络为MultiNet。该网络通过使用自动驾驶模型车在非人行道环境中行驶，例如人行道和未铺砌的道路。 使用超过一百小时驾驶我们的1/10比例模型车队的标记数据，我们训练了不同的神经网络来预测不同行为模式下车辆的转向角和行驶速度。 我们表明，在每种情况下，在使用参数总数的一小部分的情况下，MultiNet网络都优于在各个模式上训练的网络。（编者注：使用的是遥控越野车，并非为实际的汽车）
MultiNet: Multi-Modal Multi-Task Learning for Autonomous Driving
日期：2019-01-14（v4）【2017-09-16（v1）】 团队：加州大学伯克利分校 摘要： 自动驾驶需要在不同的行为模式（车道跟随、交叉口交叉、转弯和停止等）下操作。 然而，大多数现有的自动驾驶深度学习方法都没有考虑训练策略中的行为模式。 本文描述了一种在单个深度神经网络中通过使用多模态多任务学习学习多种不同行为模式的技术。 我们研究了这种方法的有效性，并命名该网络为MultiNet。该网络通过使用自动驾驶模型车在非人行道环境中行驶，例如人行道和未铺砌的道路。 使用超过一百小时驾驶我们的1/10比例模型车队的标记数据，我们训练了不同的神经网络来预测不同行为模式下车辆的转向角和行驶速度。 我们表明，在每种情况下，在使用参数总数的一小部分的情况下，MultiNet网络都优于在各个模式上训练的网络。（编者注：使用的是遥控越野车，并非为实际的汽车）