智能驾驶研究报告：从特斯拉视角（91页）

行业报告下载 2024年07月09日 07:53 管理员

端到端的设计理念是输入原始数据后，直接反应输出结果，最早可追溯到上世纪80年代。1988 年，第一辆端到端驱动的陆军救护车 ALVINN ，当时还没有出现卷积神经网络 CNN，只构建了一个三层可反向传播的全连接神经网络，并在卡内基梅隆大学的校园内以 0.5m/s 的速度准确的行驶了 400 米。相比规则驱动，端到端的框架更为简洁，应用潜力更大，但受制于神经网络模型的发展，一直未在产业中大规模落地使用。深入来看，CNN神经网络的效率核心在于卷积+池化的过程。相比全连接DNN神经网络，CNN需要训练的参数数量明显减少。举例来说，一幅像素为1K*1K的图像作为输入，Hidden layer有1M节点，仅一层就有10^12个权重需要训练，如果使用CNN网络，采用100*100的卷积核，共使用100个卷积核，输入到Hidden layer的参数便降低到了100*100*100=10^6个。如果说CNN将管理100人的工作变成管理10个组长，那卷积核就像不同的组长：不同的卷积核代表了不同的特征提取能力。该结构上下层不再直接全部连接，同一层将共用单个或一定数量的卷积核，因此大大减少了训练权重的数量。