Представленные материалы базируются на содержании курсов «Системы автоматизированного проектирования», «Теория систем автоматического управления», «Компьютерные технологии в проектировании транспортных машин». Необходимые справочные материалы приведены в списке литературы и в соответствующих разделах учебного пособия. Также использованы материалы вебинаров компаний MathWorks и ЦИТиМ «Экспонента». Учебное пособие предназначено для студентов, выполняющих курсовое и дипломное проектирование по направлению подготовки 23.04.02 «Наземные транспортно-технологические комплексы», профиль (магистерская программа) 23.04.02_01 «Компьютерные технологии проектирования беспилотных автомобилей и электромобилей».

• ОГЛАВЛЕНИЕ
• ВВЕДЕНИЕ
• 1. МЕТОДИКИ ГЛУБОКОГО ОБУЧЕНИЯ
• 1.1. Сверточные нейронные сети
• 1.1.1. Сверточный слой
• 1.1.2. Слой субдискретизации
• 1.2. Сеть ResNet-50
• 1.2.1. Применение сети ResNet-50
• 2. СЕМАНТИЧЕСКАЯ СЕГМЕНТАЦИЯ
• 2.1. Семантическая сегментация с глубоким обучением
• 2.1.1. Анализ обучающих данных для семантической сегментации
• 2.1.2. Создание сети семантической сегментации
• 2.1.3. Обучение сети семантической сегментации
• 2.1.4. Оценка результатов обучения сети семантической сегментации
• 2.1.5. Импорт подготовленного набора данных для семантической сегментации
• 2.2. Обучение сети семантической сегментации в Deep Network Designer
• 2.3. Семантическая сегментация Deeplab
• 3. МЕТОД ГЛУБОКОГО ОБУЧЕНИЯ YOLO V2
• 3.1. Обнаружение объектов с использованием глубокого обучения методом YOLO v2
• 3.2. Самостоятельное обучение сети YOLO v2
• 4. АВТОМАТИЗАЦИЯ РАЗМЕТКИ ДАННЫХ ДЛЯ СЕМАНТИЧЕСКОЙ СЕГМЕНТАЦИИ
• 5. ГЕНЕРАЦИЯ ИЗОБРАЖЕНИЙ ИЗ КАРТЫ СЕМАНТИЧЕСКОЙ СЕГМЕНТАЦИИ С ИСПОЛЬЗОВАНИЕМ ГЛУБОКОГО ОБУЧЕНИЯ
• 6. ОЦЕНКА ПОЛОЖЕНИЯ ТЕЛА С ИСПОЛЬЗОВАНИЕМ ГЛУБОКОГО ОБУЧЕНИЯ
• БИБЛИОГРАФИЧЕСКИЙ СПИСОК
• ПРИЛОЖЕНИЕ А «ResNet-50»
• ПРИЛОЖЕНИЕ Б «Обучение pix2pixHD»