はじめに
大体のことはこちらに書いてありますので、各プロジェクトの難しいところだけまとめます。
Project 1&4: レーン検知もろすぎる問題
- Project 1ではハフ変換やキャニーエッジ検知
- Project 4ではSobelやwarp変換や曲線近似
などなど実装しましたが、上記動画の通りです。
白線以外のエッジを見てしまったり、
林道ではRegion of interest (注目領域)の決定が難しかったり、
この作り込みは相当大変(というかやりたくn...)
Project 3: ジグザグしすぎ問題
冒頭の動画はかなり極端な例ですが、どれだけdata augmentationをしても層を増やしてもこのジグザグはなくなりません。これは時系列処理をせず入力画像をCNNに投げてる構造が原因です。どうやってジグザグなくそうか、という課題は未だ未解決です。
Project 2 (標識認識): 画像暗いと認識できない問題
LeNetという割と古いCNN使っても91.3%とか高精度出ちゃいますが、暗い画像が難しいです。
Project 5 (車検知): 検知だけでは精度低い問題
冒頭動画の通り、SVMの検知だけだと半分も捉えられていない、というイメージです。
Trackingとかシコシコ実装しても良いんですけど、
YOLOv2で下記動画の通りなので、これで良いじゃん！と思ってしまうこの頃。
おわりに
以上、Term1の大まかな感想でした。Project 2と5の問題は世間的に解決済みですが、
- レーン検知の精度をどう上げるか (Project 1&4)
- End-to-end learningのジグザグ解消 (Project 3)
の二つは個人的にかなりムズいと思いますし、
だからこそこの課題をudacityは提供したのかな、とか感じました。
Term 2ではレーダー、ライダーの扱い方やってますので、またいずれ。
おわり。
0 件のコメント:
コメントを投稿