بناء شبكة عصبونية التفافية جديدة للتنبؤ بزاوية التوجيه للسيارات ذاتية القيادة

الملخص

الملخص

مع تطور تقنيات الذكاء الاصطناعي شهد مجال السيارات ذاتية القيادة تقدماَ كبيراَ، يتم استخدام الذكاء الاصطناعي بشكل أساسي لتحديد القرار المتمثل بقيمة السرعة وزاوية التوجيه المناسبة لضمان تحرك السيارة بالشكل الصحيح. في السنوات الأخيرة تم الاعتماد بشكل كبير على الشبكات العصبونية الالتفافية Convolutional Neural Network للتنبؤ بزاوية التوجيه للسيارات ذاتية القيادة، يرتكز هذا البحث على تطوير نظام تعلم عميق من أجل تحسين دقة التنبؤ بزاوية التوجيه من خلال بناء نموذج شبكة عصبونية التفافية عميقة جديدة. تم اقتراح استخدام نماذج نقل التعلم Transfer Learning models لرفع كفاءة الشبكة العصبونية الالتفافية المستخدمة بعملية التنبؤ حيث تم الاستفادة من المعرفة المخزنة في نماذج نقل التعلم بعد إعادة تدريبها على بيانات Udacity المتضمنة مجموعة صور لطريق مولّدة باستخدام محاكي وكل صورة ملتقطة من الطريق مرفقة بزاوية التوجيه اللازمة. تم بناء أربع نماذج لشبكات عصبونية التفافية مختلفة باستخدام نماذج ResNet50 وInception وVGG16 وVGG19 وجميعها تفوقت على نموذج DAVE2 الخاص بشركة NVIDIA وحقق نموذج الشبكة المعتمدة على نموذج VGG16 أدنى قيمة خطأ.