這兩天看到了自動(dòng)駕駛的幾條相關(guān)新聞，蠻有趣的焊夸，在這里分享給大家。
第一條是2018.7.4-2018.7.5百度召開的AI開發(fā)者大會(huì)，大會(huì)上百度創(chuàng)始人李彥宏宣布一款名叫“阿波龍”的無人駕駛巴士（LV4）正式量產(chǎn)痕鳍。同時(shí)展示了百度無人車在惡劣環(huán)境下的優(yōu)越性能，大家可以自行觀看。
“阿波龍”已經(jīng)生產(chǎn)下線100輛其商業(yè)化落地也同步展開笼呆。廈門金龍表示熊响，已經(jīng)完成總裝的阿波龍，即將發(fā)往北京诗赌、雄安汗茄、深圳、平潭铭若、日本東京等地開展商業(yè)化運(yùn)營洪碳。“阿波龍”搭載百度最新Apollo系統(tǒng)叼屠，擁有高精定位瞳腌、智能感知、智能控制三大能力镜雨∩┦蹋“阿波龍”無人駕駛汽車沒有配置方向盤和駕駛位，它將實(shí)現(xiàn)自動(dòng)完成變道和轉(zhuǎn)彎等操作冷离。今年4月在福建平潭無人駕駛汽車測試基地完成路面測試吵冒，并被授予牌照。
第二條是北京開放自動(dòng)駕駛車輛路測道路 105 公里
從北京市自動(dòng)駕駛第三方服務(wù)機(jī)構(gòu)獲悉西剥，北京市已經(jīng)開放 33 條共 105 公里自動(dòng)駕駛車輛路測道路痹栖，截至現(xiàn)在，自動(dòng)駕駛車輛已安全行駛 26000 公里瞭空。
北京市智能車聯(lián)產(chǎn)業(yè)創(chuàng)新中心工作人員介紹揪阿，截至 6 月 28 日,五家公司獲得了北京市自動(dòng)駕駛車輛道路測試資格。昨日咆畏，無人駕駛初創(chuàng)企業(yè)小馬智行宣布南捂，拿到北京市政府頒發(fā)的自動(dòng)駕駛車輛路測牌照，并且拿到的是目前北京路測牌照的最高級(jí)別 T3 級(jí)旧找。（via 北京青年報(bào)）
關(guān)于小馬公司溺健，感興趣的讀者可以查查，我個(gè)人最看好的自動(dòng)駕駛創(chuàng)業(yè)公司（雖然簡歷悲劇钮蛛，嗚嗚嗚）鞭缭。
好了，回歸正題魏颓，新聞看完了還要繼續(xù)學(xué)習(xí)岭辣，畢竟在自動(dòng)駕駛領(lǐng)域“We have finished 90% of the work,but we still have 90% to do ”。
今天閱讀論文的題目是“Training Deep Networks with Synthetic Data: Bridging the Reality Gap by Domain Randomization”甸饱，來自英偉達(dá)和多倫多大學(xué)合作的一篇文章沦童。
通過題目可以知道本篇論文的出發(fā)點(diǎn)是使用生成數(shù)據(jù)來訓(xùn)練深度網(wǎng)絡(luò)仑濒，以達(dá)到降低或者省去人工采集標(biāo)注數(shù)據(jù)的高昂代價(jià)。
采集現(xiàn)實(shí)世界的數(shù)據(jù)集不光具有采集費(fèi)時(shí)費(fèi)力的缺點(diǎn)偷遗，還具有數(shù)據(jù)內(nèi)容不夠豐富的弊端（例如自動(dòng)駕駛場景中的背景變化墩瞳、車輛型號(hào)、顏色鹦肿、天氣變化等）矗烛，在由數(shù)據(jù)驅(qū)動(dòng)的神經(jīng)網(wǎng)絡(luò)大放異彩的今天，數(shù)據(jù)集不夠豐富將成為神經(jīng)網(wǎng)絡(luò)效果泛化性能差強(qiáng)人意的主要原因箩溃。因此，如何低成本的獲取高質(zhì)量的數(shù)據(jù)集就成為了一個(gè)亟待解決的問題碌嘀。
目前主要采用的數(shù)據(jù)生成方法主要使用幾何仿真（graphic simulator）的方法涣旨，但該方法要求模型搭建人員自行設(shè)計(jì)場景細(xì)節(jié)，也會(huì)極大的消耗人力股冗。因此文章作者提出了一種叫做隨機(jī)域匹配（domain randomization DR）的技術(shù)霹陡，使用虛擬引擎自動(dòng)生成豐富多變的場景圖片。由于英偉達(dá)也在自動(dòng)駕駛領(lǐng)域下了重注止状，因此該技術(shù)也是主要應(yīng)用于駕駛場景的生成烹棉，使用該技術(shù)主要有三個(gè)方面的恭獻(xiàn)：
1.生成的數(shù)據(jù)集可以用于像復(fù)雜場景下的目標(biāo)檢測等訓(xùn)練任務(wù)當(dāng)中。
2.介紹了一種DR的新技術(shù)flying distractors（不會(huì)翻譯）怯疤，可以提升檢測和估計(jì)的準(zhǔn)確性浆洗。
3.可以通過改變生成圖片的不同參數(shù)來判斷圖片中不同組成部分對(duì)訓(xùn)練網(wǎng)絡(luò)的重要程度。
全篇論文沒有一個(gè)公式集峦，因此簡單易懂伏社，大家看圖就明白了：
在生成數(shù)據(jù)集時(shí)，主要控制以下幾個(gè)變量塔淤，這在現(xiàn)實(shí)世界中是很難做到的：
1.目標(biāo)數(shù)量和類型（本文中一張圖片內(nèi)車輛數(shù)量和型號(hào)）
2.干擾物體的顏色摘昌、類型、數(shù)量高蜂、大小等（本文中圖片中的行人聪黎、樹等）
3.目標(biāo)和背景的紋理變化
4.攝像機(jī)視場角變化
5.攝像機(jī)位置變化
6.光照變化（強(qiáng)度以及照射方向）
7.場景能見度
作者使用虛擬引擎（UE4）每秒可以生成30張大小為1200*400的圖片，并且場景變化極為豐富备恤，相比于真實(shí)世界的采集成本稿饰，虛擬數(shù)據(jù)集的成本幾乎可以忽略不計(jì)，因此該方法對(duì)提升自動(dòng)駕駛的魯棒性能具有很大的意義烘跺，也可能是拆掉大公司數(shù)據(jù)壟斷鐵絲網(wǎng)的有效手段湘纵。
關(guān)于實(shí)驗(yàn)部分，作者生成類似于KITTI的虛擬數(shù)據(jù)集用于訓(xùn)練物體檢測網(wǎng)絡(luò)（Faster R-CNN滤淳、R-FCN梧喷、SSD三個(gè)網(wǎng)絡(luò)），并用真實(shí)的KITTI數(shù)據(jù)集作為測試集，并取得了很好的效果铺敌。
上圖可見汇歹，生成數(shù)據(jù)集可以隨意配置數(shù)據(jù)分布，這在現(xiàn)實(shí)世界中是無法實(shí)現(xiàn)的偿凭。
我個(gè)人是很喜歡這篇文章的产弹，因?yàn)橛行?shù)據(jù)集（例如醫(yī)療圖像數(shù)據(jù)集）的獲取成本十分高昂，如果該技術(shù)成熟的話將會(huì)把數(shù)據(jù)集的采集成本將為近乎于零弯囊，對(duì)各領(lǐng)域加速發(fā)展人工智能都有極大的幫助痰哨。
最后，祝好匾嘱！愿與諸君一起進(jìn)步斤斧。
