Deep Learning State of the Art (2020) | MIT Deep Learning Series简单记录

视频地址：https://www.youtube.com/watch?list=PLrAXtmErZgOeiKm4sgNOknGvNjby9efdf&time_continue=12&v=0VH1Lim8gL8&feature=emb_logo

记录

针对自动驾驶的总结：

1. 自动驾驶的level2是human is responsible，level4是machine is responsible。
2. 对于自动驾驶衡量标准是看其能够行驶多少距离不出现问题。
3. （重要）介绍了一种动态的优化神经网络模型的流程（感觉这种方式非常有效，且需要在未来进行实施），其要点是用户在使用过程中发现边缘状况（edge cases），把该状况上传，进行标注后用于模型的再训练。
4. 自动驾驶的工业界主要采用的是Multi-Task Learning，这里的task包括目标检测、车道检测、可行驶区域检测、行驶轨迹生成等，Multi-Task Learning表示只采用一个神经网络同时进行多个task，并且每一个task都有一专家去同时做模型的训练和发现边缘状况，以此来最大化网络的效果
5. 自动驾驶主要使用的两种感知方式为：视觉和雷达，这两种方式各有优缺点。

深度学习概念和里程碑的历史：

未来应该研究的主题

自动驾驶

1. 自动驾驶的level2是human is responsible，level4是machine is responsible。
   
2. 对于自动驾驶衡量标准是看其能够行驶多少距离不出现问题。
   
3. （重要）提出了一种动态的优化神经网络模型的流程（感觉这种方式非常有效，且需要在未来进行实施）
   
4. 自动驾驶的工业界主要采用的是Multi-Task Learning，并且每一个task都有一专家去同时做模型的训练和发现边缘状况，以此来最大化网络的效果

5. 自动驾驶主要使用的数据类型比较：视觉vs雷达
   
6. 对于自动驾驶的未来展望