《自动驾驶汽车的应用深度学习和计算机视觉：使用深度神经网络和行为克隆技术构建自动驾驶汽车》

使用深度学习和人工智能技术和库（如 TensorFlow、Keras 和 OpenCV）来探索自动驾驶汽车技术；

本书的主要特点

• 构建和训练强大的神经网络模型以构建自动驾驶汽车
• 实施计算机视觉、深度学习和 AI 技术来创建汽车算法
• 克服使用现代 Python 库和架构实现驾驶不同方面的自动化时面临的挑战

本书的内容简介

由于最近的一些突破，自动驾驶汽车技术现在是人工智能领域的一个新兴主题，并将数据科学家的重点转移到制造将改变汽车行业的自动驾驶汽车上。本书是使用深度学习和计算机视觉技术开发自动驾驶汽车的综合指南。

本书将从自动驾驶汽车（SDC）的基础知识开始，带您了解启动和运行构建自动驾驶汽车所需的深度神经网络技术。一旦你熟悉了基础知识，你将深入研究先进的计算机视觉技术，并学习如何使用深度学习方法来执行各种计算机视觉任务，如查找车道线、改进图像分类等。您将探索语义分割模型的基本结构和工作原理，并掌握使用语义分割检测汽车。本书还涵盖了高级应用，例如使用OpenCV的行为克隆和车辆检测，迁移学习和深度学习方法，以训练SDC模仿人类驾驶。

在本书结束时，您将学习如何实现各种神经网络，以使用现代Python库开发自己的自动驾驶汽车。

通过本书你将学到什么

• 使用 Keras 库从头开始实现深度神经网络
• 了解深度学习在自动驾驶汽车中的重要性
• 掌握使用 OpenCV 库处理图像中的特征提取技术
• 设计检测视频中车道线的软件管道
• 实现交通信号标志的卷积神经网络 （CNN） 图像分类器
• 通过在虚拟模拟器中驾驶汽车来训练和测试神经网络的行为克隆
• 探索各种最先进的语义分割和对象检测架构

这本书是为谁写的

如果你是一名深度学习工程师、人工智能研究员，或者任何希望实现深度学习和计算机视觉技术来构建自动驾驶蓝图解决方案的人，这本书适合你。任何想了解如何构建各种汽车相关算法的人也会发现这本书很有用。Python编程经验以及对深度学习的基本理解对于充分利用本书是必要的。

本书的目录

1. 自动驾驶汽车的基础
2. 深入了解深度神经网络
3. 使用 Keras 实现深度学习模型
4. 自动驾驶汽车的计算机视觉
5. 使用 OpenCV 查找道路标记
6. 使用 CNN 改进图像分类器
7. 使用深度学习检测路标
8. 语义分割的原则和基础
9. 语义分割的实现
10. 使用深度学习的行为克隆
11. 使用 OpenCV 和深度学习进行车辆检测
12. 后续步骤