DỰ ĐOÁN GÓC LÁI XE TỰ HÀNH SỬ DỤNG MẠNG NORON TÍCH CHẬP TIÊN TIẾN | Hiếu | TNU Journal of Science and Technology

DỰ ĐOÁN GÓC LÁI XE TỰ HÀNH SỬ DỤNG MẠNG NORON TÍCH CHẬP TIÊN TIẾN

Thông tin bài báo

Ngày nhận bài: 24/02/22                Ngày hoàn thiện: 12/05/22                Ngày đăng: 16/05/22

Các tác giả

1. Lương Thị Thảo Hiếu Email to author, Trường Đại học Kinh tế Kỹ thuật Công nghiệp
2. Phạm Thị Thùy, Trường Đại học Kinh tế Kỹ thuật Công nghiệp

Tóm tắt


Những năm gần đây, trí tuệ nhân tạo và cụ thể hơn là học sâu nổi lên như một bằng chứng của cuộc cách mạng 4.0. Mạng noron tích chập (CNN) là một trong những mô hình mạng Học sâu phổ biến nhất hiện nay, có khả năng nhận dạng và phân loại hình ảnh với độ chính xác cao, thậm chí tốt hơn con người trong nhiều trường hợp. Mô hình này  đang được ứng dụng vào các hệ thống xử lý ảnh lớn của Facebook, Google hay Amazon… Mục tiêu của bài báo, nghiên cứu lý thuyết về mô hình mạng noron tích chập tiên tiến (VGG-16), dựa trên kiến trúc VGG-16, chúng tôi xây dựng mô hình mới, bằng cách tăng cường độ sâu mạng, xen kẽ kích thước bộ lọc 3x3, 1x1, tăng số lượng khối tích chập, sử dụng hàm kích hoạt ELU sau mỗi lớp tích chập, tinh chỉnh các siêu tham số. Sau đó, thực nghiệm áp dụng mô hình mới vào dự đoán góc lái xe tự hành dựa trên dữ liệu hình ảnh thu được từ phần mềm mô phỏng xe tự lái Udacity. Thực hiện đánh giá, so sánh, kết quả nghiên cứu cho thấy mô hình mới dự đoán góc lái thực sự hiệu quả.

Từ khóa


Self driving car; CNN; Deep learning; Steering Angles; VGG16

Toàn văn:

PDF

Tài liệu tham khảo


[1] D. Wang, J. Wen, Y. Wang, X. Huang, and F. Pei, “End-to-end self-driving using deep neural network with multi-auxilary tasks,” Automotive Innovation, vol. II, no. 2, pp. 127-136, 2019.

[2] U. M. Gidado, H. Chiroma, N. Aljojo, S. Abubakar, and S. I. Popoola, “A survey on deep learning for steering angle prediction in autonomous vehicles,” IEEE Access, vol. VIII, pp. 163797-163817, 2020.

[3] X. Galorot and Y. Bengio, “Understanding difficulty of traning feedforward neural networks,” In Proc. AISTATS, vol. IX, pp. 249-256, 2010.

[4] A. Krizhevsky, I. Sutskever, and G. E. Hinton, “Imagenet classsification with deep convolutional neural networks,” Communications of the ACM, vol. I, no. 60, pp. 84-90, 2012.

[5] Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. E. Howard, W. Hubbard, and L. D. Jacket, “Backpropopagation applied to handwritten zip code recognition,” Neural Computation, vol. I, no. 4, pp. 541-551, 1989.

[6] A. Bakhshi, N. Norman, Z. Chen, M. Zamani, and S. Chalup, “Fast automatic optimisation of cnn archi-tectures for image classification using genetic algorithm,” in IEEE Congress on Evolutionary Computation (CEC) Conf.Proc., Wellington, New Zealand, 2019.

[7] Zisserman, K. Simonyan, and Andrew, “Very deep convolutional network for large-scale image recognition,” The 3rd International Conference on Learning Representations(ICLR2015), 2015.

[8] M. V. Smolyakov, A. I. Frolov, V. N. Volkov, and I. V. Stelmashchuk, “Self-driving car steering angleprediction based on deep neural network an example of carND udacity simulator,” in IEEE 12th Int. Conf.on Application of Information and Communication Technologies (AICT), Almaty, Kazakhstan, 2018.

[9] H. Saleem, F. Riaz, L. Mostarda, M. A. Niazi, and A. Rafiqet, “Steering angle prediction techniques forautonomous ground vehicles: A review,” IEEE Access, vol. IX, pp. 78567-78585, 2021.

[10] M. Bojarski, D. W. Testa, D. Dworakowski, B. Firner, B. Flepp, P. Goyal, L. D. Jackel, M. Monfort, U. J. Muller, X. Zhang, J. Zhao, and K. Zieba, “End to End Learning for Self-Driving Cars,” ArXiv, vol. abs/1604.07316., 2016.

[11] V. Rausch, A. Hansen, E. Solowjow, C. Liu, and E. Kreuzer, “Learning a deep neural net policy for end-to-end control of autonomous vehicles,” in American Control Conf. (ACC), Seattle, USA, 2017, pp. 4914-4919.

[12] S. Lade, P. Shrivastav, S. Waghmare, S. Hon, S. Waghmode, and S. Teli, “Simulation of Self Driving Car Using Deep Learning,” 2021 International Conference on Emerging Smart Computing and Informatics (ESCI), 2021.




DOI: https://doi.org/10.34238/tnu-jst.5585

Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu
Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên
Phòng 408, 409 - Tòa nhà Điều hành - Đại học Thái Nguyên
Phường Tân Thịnh - Thành phố Thái Nguyên
Điện thoại: 0208 3840 288 - E-mail: jst@tnu.edu.vn
Phát triển trên nền tảng Open Journal Systems
©2018 All Rights Reserved