دسته بندی:

یادگیری عمیق - deep learning

---

سال انتشار:

2021

---

ترجمه فارسی عنوان مقاله:

یادگیری عمیق برای تشخیص اشیا و درک صحنه در خودروهای خودران: نظرسنجی ، چالش ها و مسائل باز

---

عنوان انگلیسی مقاله:

Deep learning for object detection and scene perception in self-driving cars: Survey, challenges, and open issues

---

منبع:

ScienceDirect- Elsevier- Array 10 (2021) 100057

---

نویسنده:

Abhishek Gupta, Alagan Anpalagan, Ling Guan, Ahmed Shaharyar Khwaja

---

چکیده انگلیسی:

This article presents a comprehensive survey of deep learning applications for object detection and scene perception in autonomous vehicles. Unlike existing review papers, we examine the theory underlying self-driving vehicles from deep learning perspective and current implementations, followed by their critical evaluations. Deep learning is one potential solution for object detection and scene perception problems, which can enable algorithmdriven and data-driven cars. In this article, we aim to bridge the gap between deep learning and self-driving cars through a comprehensive survey. We begin with an introduction to self-driving cars, deep learning, and computer vision followed by an overview of artificial general intelligence. Then, we classify existing powerful deep learning libraries and their role and significance in the growth of deep learning. Finally, we discuss several techniques that address the image perception issues in real-time driving, and critically evaluate recent implementations and tests conducted on self-driving cars. The findings and practices at various stages are summarized to correlate prevalent and futuristic techniques, and the applicability, scalability and feasibility of deep learning to self-driving cars for achieving safe driving without human intervention. Based on the current survey, several recommendations for further research are discussed at the end of this article.
Keywords: Self-driving cars | Levels of automation | Machine learning | Deep learning | Convolutional neural networks | Scene perception | Object detection | Multimodal sensor fusion | LiDAR | Computer vision | Autonomous driving initiatives

---

چکیده فارسی:

این مقاله یک بررسی جامع از کاربرد های یادگیری عمیق برای تشخیص اشیا و درک صحنه در وسایل نقلیه خودران ارائه میکند. برخلاف مقالات مروری موجود ، ما تئوری زیربنایی وسایل نقلیه خودران را از منظر یادگیری عمیق و پیاده سازی های فعلی بررسی میکنیم وبه دنبال آن ارزیابی های انتقادی آن ها انجام میشود. یادگیری عمیق یکی از راه حل های بالقوه برای مشکلات تشخیص اشیا و درک صحنه است که میتواند خودروهای الگوریتم محور و داده محور را فعال کند. در این مقاله قصد داریم از طریق یک نظرسنجی جامع ، شکاف بین یادگیری عمیق و خودروهای خودران را پر کنیم. ما با مقدمه ای برماشین های خودران، یادگیری عمیق و بینایی کامپیوتری و سپس مروری بر هوش عمومی مصنوعی شروع میکنیم. سپس، کتابخانه های قدرتمند یادگیری عمیق موجود و نقش و اهمیت آنها در رشد یادگیری عمیق را طبقه بندی می کنیم. در نهایت، ما چندین تکنیک را مورد بحث قرار میدهیم که به مسائل مربوط به درک تصویر در رانندگی بلادرنگ میپردازد، و پیاده سازی ها و آزمایش های اخیر انجام شده بر روی خودروهای خودران را به طور انتقادی ارزیابی میکنیم. یافته ها و اقدامات در مراحل مختلف برای ارتباط بین تکنیک های رایج و آینده نگر، و کاربرد، مقیاس پذیری و امکان پذیری یادگیری عمیق در خودروهای خودران برای دستیابی به رانندگی ایمن بدون دخالت انسان خلاصه شده اند. بر اساس نظرسنجی فعلی، چندین توصیه برای تحقیقات بیشتر درپایان این مقاله موردبحث قرار گرفته است.
کلید واژه ها: ماشین ها ی خودران | سطوح اتوماسیون | یادگیری ماشین | یادگیری عمیق | شبکه های عصبی کانولوشنال | درک صحنه | تشخیص اشیا | همجوشی حسگر چند وجهی | LiDAR | بینایی ماشین | ابتکارات رانندگی مستقل

---

---

---

---

حجم فایل: 1244 کیلوبایت

---

قیمت: 97500 تومان   

---

توضیحات اضافی:

این مقاله یک مقاله عادی نیست بلکه یک مقاله مرجع، مروری (Survey-review) در حوزه یادگیری عمیق می باشد. از روی تعداد مراجع که همگی مطالعه شده اند به راحتی می توان پی برد که چقدر عمیق و دقیق بر روی این مقاله کار شده است. و می توان آن را در حد یک پایان نامه که خلاصه گردیده دانست. مقاله در مجله معتبر array به چاپ رسیده است. که یکی از مجلات معتبر isi می باشد. اگر می خواهید یک مقاله عالی بنویسید و یا یک پایان نامه جامع از این مقاله استفاده کنید

---

---

---