Dự Đoán Góc Lái Xe Tự Hành Sử Dụng Mạng Noron Tích Chập Tiên Tiến

Abstract

Những năm gần đây, trí tuệ nhân tạo và cụ thể hơn là học sâu nổi lên như một bằng chứng của cuộc cách mạng 4.0. Mạng noron tích chập (CNN) là một trong những mô hình mạng Học sâu phổ biến nhất hiện nay, có khả năng nhận dạng và phân loại hình ảnh với độ chính xác cao, thậm chí tốt hơn con người trong nhiều trường hợp. Mô hình này đang được ứng dụng vào các hệ thống xử lý ảnh lớn của Facebook, Google hay Amazon… Mục tiêu của bài báo, nghiên cứu lý thuyết về mô hình mạng noron tích chập tiên tiến (VGG-16), dựa trên kiến trúc VGG-16, chúng tôi xây dựng mô hình mới, bằng cách tăng cường độ sâu mạng, xen kẽ kích thước bộ lọc 3x3, 1x1, tăng số lượng khối tích chập, sử dụng hàm kích hoạt ELU sau mỗi lớp tích chập, tinh chỉnh các siêu tham số. Sau đó, thực nghiệm áp dụng mô hình mới vào dự đoán góc lái xe tự hành dựa trên dữ liệu hình ảnh thu được từ phần mềm mô phỏng xe tự lái Udacity. Thực hiện đánh giá, so sánh, kết quả nghiên cứu cho thấy mô hình mới dự đoán góc lái thực sự hiệu quả.