新能源汽车网讯 深度学习在无人驾驶领域主要用于图像处理，也就是摄像头上面。当然也可以用于雷达的数据处理，但是基于图像极大丰富的信息以及难以手工建模的特性，深度学习能最大限度的发挥其优势。
现在介绍一下全球摄像头领域的巨擘，以色列的mobileye公司是怎么在他们的产品中运用深度学习的。 深度学习可以用于感知，识别周围环境，各种对车辆有用的信息；也可以用于决策，比如AlphaGo的走子网络（Policy Network），就是直接用DNN训练， 如何基于当前状态作出决策。
环境识别方面，mobileye把他们识别方面的工作主要分为三部分，物体识别，可行驶区域检测，行驶路径识别。
物体识别
一般的物体识别是这样子的：
有一个长方形框框能识别出来车在哪里，很好，很不错，但是Mobileye出来的是这样子的：
以及这样子的：
很明显的区别就是Mobileye可以实现非常准确的车的正面以及侧面的检测，以及完全正确的区分左边侧面以及右边侧面（黄色和蓝色）。
这两种检测结果的信息量是完全不同的，左边这个检测结果告诉我们什么位置大概有一辆车，但是他的具体位置，车的朝向信息完全没有。但是从右边的检测结果，就可以相对精确的估算出来车的位置，行驶方向等重要信息，跟我们人看到后可以推测的信息差不多了。
这样出众的结果，对于较近距离的车，用其他基于几何的方法，多跟踪几帧，可能可以做到接近的效果，但是留意远处很小的车，结果也完全正确，这就只可能是深度学习的威力了。可惜Mobileye创始人兼CTO总爱四处显摆他们技术怎么怎么牛，之前也常发论文共享一些技术，但是在车辆识别怎么建模神经网络可以输出这么精确带orientation的bounding box，他只是微微一笑，说这里面有很多tricks……
3
