您的当前位置:

黥柬家政服务有限公司 > 荣誉资质 > 正文

  • 钻研发现:基于神经网络的自动驾驶活动分析手段存风险

    盖世汽车讯 影响全自动汽车的发展的一个关键因素是车辆能否在周围环境中郑重地导航,并对不能意料的事故敏捷作出逆答。据外媒报道,德国马克斯普朗克智能编制钻研所(Max Planck Institute for Intelligent Systems)团队外明,基于深度神经网络的活动分析手段很能够用于异日自动驾驶汽车,而这些手段能够会被用来“抨击”神经网络的幼模式所杂沓。

    自动驾驶或半自动驾驶汽车经由过程传感器感知周围环境。为了分析场景,制造商操纵光流法(optical flow),即像素在视频帧之间的2D活动。

    (图片来源:马克斯普朗克钻研所)

    光流描述了场景中的各栽活动。开车或步辇儿时,树木、房屋或塔架等静态物体益似会朝相逆的倾向移动。物体的活动速度能够使吾们判定与其之间的距离,例如附近的树会敏捷消亡在身后,而遥远的物体,如云或山益似是静止的。

    为了分析各栽活动,车载摄像头快速不息地记录大量的场景图像。计算机操纵复杂的数学手段,按照图像之间的不同揣度单个物体的活动。计算机为每个像素计算速度矢量,外示像素在图像中移动的速度和倾向。其中很主要的一点是,车辆的活动和周围物体的活动都会产生光流。所以,车载计算机必须能够将自己活动与其他物体的活动区睁开来,这是一项专门复杂的义务。

    机器学习的最新挺进催生了更快更益的计算此栽活动的手段。该钻研所的说相符项现在表明,这些手段容易受到抨击。例如,一个浅易的、色彩绚丽的图案未必或有意出现在图像数据中。即使图案不移动,也会导致深度神经网络计算舛讹,网络会骤然计算大片面场景在去舛讹的倾向移动。未必彩色图案甚至会损坏整个编制,这是专门危险的。

    现在,市场上现有车辆受影响的风险较矮。不过,为了坦然首见,钻研人员告知了一些正在开发自动驾驶车型的汽车制造商,外明光流网络能够遭受抨击。该项主意现在标是警告自动驾驶汽车制造商这一湮没要挟,并开发出答对抨击的新手段。

    为此,荣誉资质钻研人员构建了5个彩色图块来抨击这些编制。原形表明,只需几个幼时的计算就能够相对容易地构建出此栽模式。在测试运走期间,钻研人员将这些颜色图案安放在场景中的随机点上,就能容易作梗一切神经网络。在测试中,即使是占整个图像不到1%的一幼块色块也能影响一半的图像区域,足以使编制紊乱。色块面积越大,效果就越主要。

    钻研人员操纵这些色块来分析网络中正在发生的事情,并发现网络中人们异国认识到的编制差错。这些神经网络受人类大脑做事手段启发,输入数据经由过程添权和浅易计算在网络中进走分析。编制权重经过训练,使网络学会输出场景的准确活动,而网络失误相通于人眼的视觉错觉。

    神经网络自己无法转折所学习的优先级,这能够导致舛讹判定。然而,人们能够对其进走再训练,使其不再被错觉所欺骗。钻研人员进走了浅易的测试,表明神经网络照样必要改进。他们给编制展现了两个相通的图像。尽管两者都异国活动或转折,但网络识别展现了不同。这些题目外明光流网络对于自动驾驶汽车而言还不足成熟。

    倘若神经网络专门郑重,将使自动驾驶更添坦然。一方面,汽车不光操纵摄像头,还操纵其他传感器进走导航。另一方面,越来越众的自动驾驶车辆会相互通信,车载计算机能够更容易地分析街道场景。在这栽情况下,汽车不光倚赖自己传感器信号,而且还授与其他车辆的位置和速度的数据。尽管吐露了自动驾驶技术的短处,但钻研人员照样认为自动驾驶能够让道路更坦然,由于90%的事故都是人造失误造成的。

    作者:admin  发布时间:2020-07-12  点击数:

友情链接

Powered by 黥柬家政服务有限公司 @2018 RSS地图 html地图

Copyright 365站群 © 2013-2018 360 版权所有