所以我有一个项目,创造一个自主的钢筋混凝土汽车。为了进行虚拟训练,我建立了一个模拟器来收集图像数据,以及转向角。然后我使用OpenCV程序,使用Hough线检测,来检测道路上的3条线。我想创建一个模型,当图像被输入时,输出将是一个转向角。使用TensorFlow,我用这些图像训练了一个CNN,结果非常糟糕。在
我应该用什么型号的?在
我应该如何训练这种形象?在
和
我还可以使用每条测线的实际数据来训练数据,对于检测到的一条测线,如下所示:
[[[0.0, 63.0, 54.0, 31.0, -0.5925925925925926]]]
检测到的2条线路:
[[[0.0, 61.0, 34.0, 32.0, -0.8529411764705882], [41.0, 42.0, 43.0, 77.0, 17.5]]]
唯一的问题是我不知道如何处理可变大小的输入。帮忙吗?在
现在已经很晚了,但我希望这个答案仍然有用。在
CNN是一个具有二维输入的NN,也具有等长矩阵(例如图像)的feed;然而,它们的大部分学习能力来自于CNN能够从相关数据中学习的事实,因此它可以更好地处理未经处理的图像(实际上卷积层执行自适应特征提取)。在
我认为,如果你需要使用CNN,你应该专注于标记你的训练图像,包括右转、左转和完全不转向,以便对转向侧进行分类,并让转向控制转向某些基于模糊逻辑的控制器。在
如果你想用神经网络来控制,我会用一个递归的,因为你需要比较图片曲线随时间的变化
相关问题 更多 >
编程相关推荐