摘要

许多研究团队已经将多种深度学习技术应用于高速公路感知场景中的计算机视觉问题。本文中，我们对近期深度学习的进展进行了若干实证评估。计算机视觉与深度学习相结合，有望为自动驾驶提供一种相对经济且稳健的解决方案。为了使深度学习技术在工业界得到广泛应用并实现实际应用，神经网络需要大量能够代表所有可能驾驶环境和场景的数据集。我们收集了一个大规模的高速公路数据集，并将深度学习和计算机视觉算法应用于诸如车辆检测和车道识别等问题上。我们展示了现有的卷积神经网络（CNNs）如何能够在实时系统所需的帧率下执行车道和车辆检测任务。我们的结果支持了深度学习在自动驾驶领域具有潜力这一假设。