本课程是关于《汽车自动驾驶：计算机视觉和深度学习视频教程2021版》，主要学习OpenCV 4，YOLO，汽车自动驾驶中道路标记、行人检测以及交通标志区分的实现。
本课程旨在为学生提供有关自动驾驶汽车设计和开发核心知识。该课程为学生提供各种自动驾驶汽车概念的实践经验，例如机器学习和计算机视觉。将介绍诸如车道检测，交通标志分类，车辆/物体检测，人工智能和深度学习等概念。本课程针对希望对自动驾驶车辆控制有基本了解的学生。推荐编程的基础知识。但是，这些主题将在早期课程中广泛涉及；因此，该课程没有任何先决条件，并且对具有基础编程知识的任何学生开放。
如果您准备好迎接全新的挑战，并了解在传统的有监督的机器学习，无监督的机器学习甚至是深度学习中从未见过的AI技术，那么本课程适合您。此外，该课程还包含基于实际示例的实践练习。因此，您不仅将学习理论，而且还将获得一些动手实践来构建自己的模型。有五个关于医疗保健问题的大项目，还有一个要实践的小项目。
汽车行业正经历着从传统的人工驾驶汽车向无人驾驶的人工智能驱动汽车的转变。汽车自动驾驶提供了一种安全，高效和经济高效的解决方案，将极大地重新定义人类出行的未来。到2035年，无人驾驶汽车有望挽救超过100万条生命，并创造超过1万亿美元的巨大经济机遇。汽车工业正寻求以十亿美元的价格在道路上部署技术最先进的汽车。
随着世界朝着无人驾驶的未来发展，在这个新兴的新领域对经验丰富的工程师和研究人员的需求变得前所未有的重要。
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz, 2 Ch
Genre: eLearning | Language: English + srt | Duration: 120 lectures (12h 38m) | Size: 5 GB
Learn OpenCV 4, YOLO, road markings and pedestrians detection, and traffic sign classification for self-driving cars
以下是本课程覆盖的一些工具和算法Tools and algorithms we’ll cover include:
OpenCV.
Deep Learning and Artificial Neural Networks.
Convolutional Neural Networks.
YOLO.
HOG feature extraction.
Detection with the grayscale image.
Colour space techniques.
RGB space.
HSV space.
Sharpening and blurring.
Edge detection and gradient calculation.
Sobel.
Laplacian edge detector.
Canny edge detection.
Affine and Projective transformation.
Image translation, rotation, and resizing.
Hough transform.
Masking the region of interest.
Bitwise_and.
KNN background subtractor.
MOG background subtractor.
MeanShift.
Kalman filter.
U-NET.
SegNet.
Encoder and Decoder.
Pyramid Scene Parsing Network.
DeepLabv3+.
E-Net.
资源均来自第三方，谨慎下载，前往第三方网站下载
