构建分类器：自动驾驶汽车要怎样看路标？

「爱情、让人受尽委屈。」 2022-12-13 01:27 162阅读 0赞

![format_png][]

全文共**2078**字，预计学习时长**6**分钟

![format_png 1][]

图源：unsplash

为了最终升级成为Level 5的完全自动驾驶汽车，相关技术一直在改进中。每年，汽车制造商都会在旗下的车队中加装更先进的驾驶辅助系统（ADAS），其中包括自适应巡航控制（ACC）、前方碰撞预警（FCW）、自动泊车等。一项研究发现，在美国境内，ADAS可以预防高达28%的事故。

完全自动驾驶汽车需要能够理解自身的周边环境，这包括其他车辆、行人以及路标。路标为我们提供有关法律的重要信息和警示危险情况，指引我们到达目的地。如果自动驾驶车辆不能区分符号、颜色和形状的差异，许多人可能会因此受到严重伤害。

汽车识别道路的方式与人类感知道路的方式不同。人类能立即分辨出道路标志和各种交通状况之间的区别，而计算机则只能从接收到的图像中看到1和0，我们需要教会汽车模仿人类的学习方式，或者至少能够像我们一样识别标志。

为了解决这个问题，笔者尝试构建卷积神经网络（CNN）来对交通标志进行分类。这个过程主要有三个步骤：预处理图像、建立卷积神经网络、输出预测结果。

![format_png 2][]

**图像预处理**

预处理阶段所导入的图像来自Bitbucket“德国交通标志”数据仓库。这包含了一个已标注图像的数据集，我们可用其建立一个监督学习模型。该数据仓库可以复制到谷歌Colab notebook中，从而可以轻松地导入数据集并开始编写代码。为使用该数据集，其中的图像将通过灰度和色彩均化函数进行导入。

灰度

目前，数据仓库的图像有三个维度。这是因为彩色图片具有三原色——红色、绿色和蓝色（RGB），三色相互叠加，赋予其鲜明的色彩。

对于这个机器学习模型来说，图像不需要具备三个维度，只需要标志的特征。因此，用灰度函数处理数据集图像后，可以清理数据并过滤掉非必要信息，还能将图像压缩至仅剩一个维度。

![format_png 3][]

分解图像三原色。| 图源：Kael Lascelle授权Nevit Dilman提供

色彩均化

图像经灰度化后就已失去了一些对比度，或者说像素的白度或黑度。为了增加对比度，必须要均化图像，因为模型必须区分各种特征，这些特征源自它们在对比度中的变化。均化图像意味着均衡像素值分布，从而产生更宽范围的图像白度和黑度。

![format_png 4][]

![format_png 2][]

**卷积神经网络**

卷积神经网络是一种深度学习网络，用于分析视觉图像，可以用它来寻找各种路标之间所独有的特征集。

![format_png 5][]

CNN的架构 | 图源：mathworks

CNN的运作过程类似于我们的眼睛和大脑分类所见事物的过程。例如，在浏览一组数字时，你可以分辨出1和8之间的差异。1是一条垂直线，而8是两条线圈叠加在一起。当然，这些想法并不会真正浮现在你的脑海中，因为我们对数字早已司空见惯。

它们是如何学习的？

卷积神经网络使用卷积核（kernels）扫描或略过图像，以提取图像的重要特征。笔者认为，这一过程类似于肉眼快速扫视一张图像。眼睛先是分析某一部分，然后水平移动到下一个部分，直到浏览完整张图像。

![format_png 6][]

卷积核会比较它们所看到的与它们所寻找的之间的差异。当特征匹配时，它会将其记录并存储在特征图（feature map）中。这些特征图仅保留了路标图像的重要特征而忽略其他特征，相当于原始图像的优化版本。多个不同的卷积核处理原始图并提取出不同的重要特征，然后将其结合起来形成最终的卷积模式。

![format_png 7][]

输出矩阵称为卷积特征或特征图。| 图源：deeplearning.stanford.edu

解决过拟合

在处理类似本模型中使用的小型数据集时，会出现所谓的“过拟合”问题，即模型开始“死记硬背”图像，而不是归纳探寻图像的特征。

更具体地说，当模型经历了太多代（基本上是模型遍历数据集的次数），它便会开始监听某些节点的输入，而忽略其他节点。这降低了模型的准确性，因为它无法分类数据集以外的新图像。

加入dropout层可以解决这个问题。这是对此模型的简单调整，它能够丢弃节点的随机子集，因而这些子集中的节点（它们有很大概率被关闭）无法储存分类标记结果，以此来防止过拟合。就像老师提醒上课走神的学生，给予教训以引起他的注意，好让他集中精神。

![format_png 2][]

**预测结果**

最后，给模型一幅交通标志的图像，通过卷积神经网络，输出与相应标志相关联的数字。当模型处理下面的随机路标时：

![format_png 8][]

该模型预测的类为\[1\]，是正确的。

![format_png 9][]

与符号关联的类

当面对路标时，先使用灰度和色彩均化函数对图像进行预处理，卷积神经网络（CNN）使用卷积核来提取路标特征，最后对比特征与其他已分类图像以得到预测结果。这样，自动驾驶汽车就能“看懂”路标啦。

![format_png 10][]

**推荐阅读专题**

[![format_png 11][]][format_png 11 1]

[![format_png 12][]][format_png 12 1]

[![format_png 13][]][format_png 13 1]

[![format_png 14][]][format_png 14 1]

![format_png 15][]

**留言点赞发个朋友圈**

**我们一起分享AI学习与发展的干货**

编译组：郝岩君、孙津

相关链接：

https://towardsdatascience.com/road-sign-classification-learning-to-build-a-cnn-7771373179d3

如转载，请后台留言，遵守转载规范

**推荐文章阅读**

[ACL2018论文集50篇解读][ACL2018_50]

[EMNLP2017论文集28篇论文解读][EMNLP2017_28]

[2018年AI三大顶会中国学术成果全链接][2018_AI]

[ACL2017论文集：34篇解读干货全在这里][ACL2017_34]

[10篇AAAI2017经典论文回顾][10_AAAI2017]

**长按识别二维码可添加关注**

**读芯君爱你**

![format_png 16][]

[format_png]: /images/20221123/0c3e0fae47c34eb18767da2060117a2b.png
[format_png 1]: /images/20221123/2032236b930c45a4a2b86950f9bca711.png
[format_png 2]: /images/20221123/1e840672aa384633b9b7b4feb4948504.png
[format_png 3]: /images/20221123/0baa584defb1466c85c1820f382579fb.png
[format_png 4]: /images/20221123/c30bcc120a424462986b253ecb26aaa7.png
[format_png 5]: /images/20221123/67ac5513be3f4a7eb6bf8bfdf2fcabbf.png
[format_png 6]: /images/20221123/baad1bd18d3342faa5e39dcd2cb10721.png
[format_png 7]: /images/20221123/07a50adf93de4d04b56ad4df90c6d28e.png
[format_png 8]: /images/20221123/29bee3b1a32c4fa8b64006db8612019d.png
[format_png 9]: /images/20221123/553e03124b6b488380865bbcc29475d4.png
[format_png 10]: /images/20221123/853ba7fb95d44be4a91e7b7fc51fcdfe.png
[format_png 11]: /images/20221123/078a1de725d9417ba32b7559b9f83f64.png
[format_png 11 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ec4ddf397d2bb194670056d7ed973cf4349656e20d98bd139d8a5d99526a799fb243f8d&idx=1&mid=2247493138&scene=21&sn=d2fa895e71260f2576fa952cf2487522#wechat_redirect
[format_png 12]: /images/20221123/e61a9dfca51b466da9d135905a4074f3.png
[format_png 12 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ed9ddf397cf9a7136dfb1352cf9fb1127b3061293cf716f8ee95b4560e694fce20a1e24&idx=2&mid=2247493135&scene=21&sn=5711dc1074411b7e45b40eb34fecc648#wechat_redirect
[format_png 13]: /images/20221123/ab9b304fedf44a19970df472a1c656b2.png
[format_png 13 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ec4ddf397d28ed77a111732be52384c9be414e0aad59c570ada6b29278755d066ae2090&idx=2&mid=2247493138&scene=21&sn=e45fe93b00342ba9eac222f24369d036#wechat_redirect
[format_png 14]: /images/20221123/074c784c74634e83954b8c4bc43d2cfe.png
[format_png 14 1]: http://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea841ed9ddf397cfbc27f47a160ee926a706f1b3151c53f707c8f221fde0ea51446aabe2148d&idx=1&mid=2247493135&scene=21&sn=cce4cc400933c960a3200fd0dfa4d0a7#wechat_redirect
[format_png 15]: /images/20221123/031dbe517f884852a23a440290a92190.png
[ACL2018_50]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87ee2addf0673cae27c598a097f5addad5d81b2ed766e570f20fc0fb12b77c5cf34098022e&idx=1&lang=zh_CN&mid=2247489276&scene=21&sn=98e22e2b69478303f1f1a0a51e712570&token=192322725#wechat_redirect
[EMNLP2017_28]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87eaadddf063bb3ab4ec5af616612a45f8d4fe9a5ad558f66278478296060253c1564bd05c&idx=1&lang=zh_CN&mid=2247488123&scene=21&sn=a55185f3a693f7a5d85b1abe3dd36177&token=140500370#wechat_redirect
[2018_AI]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87f6ebddf07ffd8e84bcc18d7122f894b6cf5dc967daad9c2e122edb22968fd6f589d6852f&idx=1&mid=2247487037&scene=21&sn=37cd38b305aa874c29d764361c88a202#wechat_redirect
[ACL2017_34]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&chksm=ea87f59addf07c8c2480dd46784a431612d099d3d0531449aa8e64f68b3ba340363578d95659&idx=1&mid=2247486796&scene=21&sn=a8ae95efbf16985a259c4cd66bf919f2#wechat_redirect
[10_AAAI2017]: https://mp.weixin.qq.com/s?__biz=MzI2NjkyNDQ3Mw%3D%3D&idx=1&lang=zh_CN&mid=2247487100&scene=21&sn=3bd640ec4f00c5104664687194dd9a51&token=77118319#wechat_redirect
[format_png 16]: /images/20221123/7a5840572b3644a9a6445e83b916a8ee.png