奥迪：自动驾驶的成功关键是深度学习
德国奥迪于2015年1月，利用以“A7”为原型的试制车开展验证试验，从硅谷自动驾驶至拉斯维加斯。该公司表示，在此次自动驾驶实证实验中，利用深度学习技术的形状识别能力十分有效。汽车要想自动驾驶，就必须具备与人类一样的形状识别能力，从而掌握周围的情况。据介绍，该公司与英伟达（NVIDIA）等供应商合作，开发了可模拟人脑处理新信息方法的车载计算机。
汽车通过深度学习提高形状识别能力的处理过程与孩童的学习相似。婴儿通过身边的人经常传授来学习其感知到的物体的颜色、形状及名称等。作为物体边缘的脊线对于识别物体的不同形状以及具有意义的形状是十分重要的。比如，消防车虽然采用红色的特定形状，但婴儿不会感觉出卡车与消防车有什么区别。而进入幼儿期后，随着对卡车种类的学习，孩子就能区别这些车辆了。
机器学习采取与上述情况相似的方法。统管驾驶辅助系统的中央控制单元“zFAS”使用摄像头拍摄的影像来分析被输入影像的全部的帧，根据脊线来检测形状，这与人类通过眼睛将图像送至脑中一样。在确认该形状为物体（对象物）后，接下来就会学习该对象物是什么物体。当检测出眼、鼻、口等对象物时，便可识别出是面部。然后将利用上述方法识别出的物体保存到数据库中，并通过反复这一操作来进一步提高识别能力。
这样，行驶过的距离就成为了汽车的学习量，每行驶一次就会变得更聪明。要想实现自动驾驶，就必须要有TB以上级别的数据。另外，要想对30帧/秒拍摄的影像的所有帧进行分析，由此掌握情况，还必须进行非常高速的处理。
当出现容易导致事故的危险时，系统就会掌握情况，发出与该情况相应的指令，直至车辆做出躲避动作，瞬间完成这一系列的操作。为了快速识别危险，并没有多余的时间去访问云端的数据库。识别危险的能力必须要嵌入车辆本身，这正是深度学习的最重要的目的之一。
汽车通过深度学习提高形状识别能力的处理过程与孩童的学习相似。婴儿通过身边的人经常传授来学习其感知到的物体的颜色、形状及名称等。作为物体边缘的脊线对于识别物体的不同形状以及具有意义的形状是十分重要的。比如，消防车虽然采用红色的特定形状，但婴儿不会感觉出卡车与消防车有什么区别。而进入幼儿期后，随着对卡车种类的学习，孩子就能区别这些车辆了。
机器学习采取与上述情况相似的方法。统管驾驶辅助系统的中央控制单元“zFAS”使用摄像头拍摄的影像来分析被输入影像的全部的帧，根据脊线来检测形状，这与人类通过眼睛将图像送至脑中一样。在确认该形状为物体（对象物）后，接下来就会学习该对象物是什么物体。当检测出眼、鼻、口等对象物时，便可识别出是面部。然后将利用上述方法识别出的物体保存到数据库中，并通过反复这一操作来进一步提高识别能力。
这样，行驶过的距离就成为了汽车的学习量，每行驶一次就会变得更聪明。要想实现自动驾驶，就必须要有TB以上级别的数据。另外，要想对30帧/秒拍摄的影像的所有帧进行分析，由此掌握情况，还必须进行非常高速的处理。
当出现容易导致事故的危险时，系统就会掌握情况，发出与该情况相应的指令，直至车辆做出躲避动作，瞬间完成这一系列的操作。为了快速识别危险，并没有多余的时间去访问云端的数据库。识别危险的能力必须要嵌入车辆本身，这正是深度学习的最重要的目的之一。
