Brain4Cars (2016)

我们提出了一种车辆传感器丰富的平台和用于机动预期的学习算法。为此，我们为汽车配备了摄像头，全球定位系统 (GPS) 和计算设备，以捕获汽车内部和外部的驾驶环境。为了预测操作，我们提出了一种感觉融合深度学习体系结构，该体系结构共同学习预测和融合多个感觉流。我们的体系结构由递归神经网络 (rnn) 组成，该网络使用长短期记忆 (LSTM) 单元来捕获长时间依赖。我们提出了一种新颖的训练程序，该程序允许网络仅在部分时间背景下预测未来。我们介绍了1180英里自然高速公路和城市驾驶的各种数据集，并表明我们可以在实时发生之前3.5秒预测机动，并分别具有90.5% 和87.4% 的精度和召回率。