自动驾驶lg...
· 自动驾驶项目课介绍
1. 什么是自动驾驶？为什么要学自动驾驶？学了能干什么？
2. 自动驾驶项目课如何写进简历
3. 项目优势与规划
· 三大项目知识点、要点预览
1. 车辆可行驶空间检测项目
2. 车辆二维追踪项目
3. 车辆三维检测项目
· Q&A
· 可行驶空间问题介绍
o 什么是可行驶空间问题
o 可行驶空间问题的难点、痛点
o 如何进行合格的可行驶空间建模
· 可行驶空间数据集介绍
o 常见数据集有哪些
o 可行驶空间数据集如何组成
o 关键数据具体含义介绍
o 可行驶空间可视化
· 什么是数据增强，解决了什么问题？
· 数据增强的种类？
· 有哪些数据增强方法是自动驾驶场景需要的
· 图像数据增强后结果可视化
· 自动驾驶项目解决问题的思路与侧重点
o 准备合格的数据
o 合理的网络设置
o 合理的优化选择
· Pytorch框架下dataloader的介绍
o 什么是dataloader/dataset
o 如何使用dataloader
· 可行驶空间项目Dataloader的实现
o 如何在dataloader下加载数据并进行有效数据处理
o 数据验证
§ 可视化dataloader产生的图像数据与车辆真值物体框
§ 验证道路可行驶空间信息的正确性
· 基于dataloader的数据增强
o 基于图像的数据增强：Transform方法
o 如何基于数据增强方案编辑对应真值
o 数据增强的代码实现
· 卷积神经网络介绍
o 什么是卷积神经网络
o 卷积神经网络基本模块
o 卷积神经网络的应用
· 代码搭建卷积神经网络
本周重难点答疑串讲
· 可行驶空间模型介绍
o 如何对可行驶空间提取特征
o 如何进行特征级联
o 如何计算损失并优化模型
· 可行驶空间模型代码实现
o 实现级联特征提取
o 实现模型header搭建
· 可行驶空间模型介绍
o 如何进行模型参数优化
§ 层参数初始化
§ 模型参数初始化
§ 如何选择不同的参数初始化方法
· 可行驶空间模型代码实现
o 模型参数初始化
o 模型整体构造
· 模型优化器
o 优化器是如何工作的
o 如何挑选一个合适的优化器
o 优化器常见参数选择与确定
o 使用scheduler调节模型学习率
· 模型优化器代码实现
· 模型训练与评估代码实现
o 模型训练阶段需要做什么，如何使用dataloader进行数据输入，如何使用优化器优化损失
o 训练阶段和评估阶段的区别
· 可行驶空间模型测试模型
· 可行驶空间检测结果的可视化demo
本周重难点答疑串讲
· 车辆追踪介绍
o 什么是车辆追踪？为什么需要做这个？
o 车辆追踪场景是什么样子的
o 车辆追踪是如何工作的
o 车辆追踪场景的挑战
· 常见追踪任务数据集介绍
o 追踪场景示例
o 数据集中各组数据的物理意义
· 车辆追踪数据处理
o 如何处理meta信息并导入真值信息
o 不同车辆追踪数据集在数据处理阶段需要注意的问题
o 如何融合多个车辆追踪数据集的数据以充实数据集
· DLA特征提取骨架介绍
· Visdrone数据集处理
o visDrone数据集真值介绍，与MOT数据集的不同
o Visdrone追踪目标编码
· 可形变卷积（DCN）原理与应用
· 代码实现：Visdrone数据集处理；DCN模块编译
· 深层聚合特征提取骨架原理介绍
· 代码实现深层聚合特征提取骨架
本周重难点答疑串讲
· 车辆追踪数据集dataloader实现
· 代码实现多类别多物体下的多尺度数据训练
· 车辆追踪在训练阶段要解决的主要问题
· 如何拆分追踪问题
· 代码实现车辆追踪模型的训练网络搭建
· 车辆追踪在训练阶段要解决的主要问题
· 如何拆分追踪问题
· 代码实现车辆追踪模型的训练网络搭建
· 多目标、类目车辆追踪与单序列车辆车辆追踪的区别
· 传统的车辆追踪方法介绍
· 车辆追踪模型评价指标
· 代码实现：车辆追踪模型评估与测试
· 车辆追踪模型可视化demo
· 多目标、类目车辆追踪与单序列车辆车辆追踪的区别
· 传统的车辆追踪方法介绍
· 车辆追踪模型评价指标
· 代码实现：车辆追踪模型评估与测试
· 车辆追踪模型可视化demo
本周重难点答疑串讲
· 自动驾驶领域的三维检测场景都有哪些？为什么需要进行三维检测
· 三维检测场景的应用、难点与挑战
· 如何高效进行三维物体检测
· 三维物体检测demo演示
· 三维物体检测场景数据集Kitti介绍
· 相机是如何成像的
· 二维、三维世界不同坐标系的转换
· 为什么要进行相机标定，可以起到什么作用
· 相机标定的原理介绍
· Kitti数据集如何进行三维检测
· 光学失真现象介绍，光学失真问题的处理办法
· 相机是如何成像的
· 二维、三维世界不同坐标系的转换
· 为什么要进行相机标定，可以起到什么作用
· 相机标定的原理介绍
· Kitti数据集如何进行三维检测
· 光学失真现象介绍，光学失真问题的处理办法
· 什么是点云？点云的可视化展示
· 什么是鸟瞰图，鸟瞰图表示三维物体有什么优势
· 如果进行点云与鸟瞰图之间的转化
· Kitti数据集中点云与鸟瞰图的存储形式
· 如何处理点云与鸟瞰图数据
· 图像载入、数据预处理、数据增强
· 三维物体检测中数据真值的物理意义，如何处理这些真值；
· 使用点云生成鸟瞰图
· 如何可视化三维数据处理结果以验证数据处理正确性
· 图像载入、数据预处理、数据增强
· 三维物体检测中数据真值的物理意义，如何处理这些真值；
· 使用点云生成鸟瞰图
· 如何可视化三维数据处理结果以验证数据处理正确性
本周重难点答疑串讲
· 为什么三维检测中需要使用伪雷达图，有什么作用
· 基于伪雷达图的三维检测整体框架
· 伪雷达图VS雷达图真值
· 如何训练三维物体检测模型
· 如何对三维检测模型进行评估
· 三维检测模型评估标准
· 如何训练三维物体检测模型
· 如何对三维检测模型进行评估
· 三维检测模型评估标准
· 代码实现三维检测测试模块
· Demo可视化三维检测结果
本周重难点答疑串讲