高速道路走行における深層学習の実証評価

多くの研究グループが、高速道路の認識シナリオにおけるコンピュータビジョンの問題に様々な深層学習技術を適用してきました。本論文では、最近の深層学習の進歩に関する数々の経験的評価を提示しています。コンピュータビジョンと深層学習を組み合わせることで、自動運転に対する比較的安価かつ堅牢な解決策が実現する可能性があります。産業界での採用と実用的な応用に向けて深層学習を準備するためには、すべての可能な走行環境やシナリオを代表する大規模なデータセットが必要です。我々は大規模な高速道路データセットを収集し、車両検出や車線検出などの問題に深層学習とコンピュータビジョンアルゴリズムを適用しました。既存の畳み込みニューラルネットワーク（CNNs）を使用して、リアルタイムシステムに必要なフレームレートで車線と車両の検出を行う方法を示しています。我々の結果は、深層学習が自動運転に有望であるという仮説を支持しています。