لقد طبقت العديد من المجموعات تقنيات التعلم العميق المختلفة على مشاكل رؤية الحاسوب في سيناريوهات مراقبة الطرق السريعة. وفي هذا البحث، قدمنا تقييمات تجريبية عديدة للتقدم الحديث في مجال التعلم العميق. يمكن أن تساهم الرؤية الحاسوبية، بالاشتراك مع التعلم العميق، في تقديم حلول نسبيًا رخيصة وقوية لقيادة السيارات ذاتيًا. لتجهيز التعلم العميق للاعتماد الصناعي والتطبيقات العملية، ستكون الشبكات العصبية بحاجة إلى مجموعات بيانات كبيرة تمثل جميع البيئات والمواقف المحتملة أثناء القيادة. نقوم بجمع مجموعة بيانات كبيرة تتضمن بيانات الطريق السريع وتطبيق خوارزميات التعلم العميق والرؤية الحاسوبية على مشاكل مثل اكتشاف السيارات والمسارات. نوضح كيف يمكن استخدام شبكات العصبانية التلافيفية (CNNs) الموجودة حاليًا لأداء اكتشاف المسارات والمركبات بمعدلات الإطارات المطلوبة لنظام temps حقيقي. تدعم نتائجنا الفرضية القائلة بأن التعلم العميق يحمل وعدًا لقيادة السيارات ذاتيًا.注释：在最后一句中，“temps”一词似乎是误输入，根据上下文应该是指“الزمن الحقيقي”（实时）。因此，我已对这句话进行了适当的修正。