说明:基于深度学习的方法由于其逼近非线性函数或策略的强大功能,已被广泛用于训练自动驾驶仪的控制器。但是,训练过程通常需要标记较大的数据集,并且要花费大量时间。在本文中,我们分析了特征对使用卷积神经网络(CNN)训练的控制器的性能的影响,从而为减少计算成本提供了特征选择指导。我们使用“开放式赛车模拟器”(TORCS)收集大量数据,并将图像特征分为三类(与天空相关的特征,与道路相关的特征和与道路相关的特征)。然后,我们设计了两个实验框架,以研究每个特征对训练CNN控制器的重要性。第一个框架使用包含所有三个
<weixin_38661466> 上传 | 大小:1mb