本課程的目的是提供學生設計和開發自動駕駛車輛的主要知識。 課程提供了各種自駕駛車輛的實際經驗，例如機器學習和電腦視覺。 這些概念包括車道偵測、交通標誌分類、車輛 / 物件探測、人工智慧和深度學習等概念。 本課程針對希望獲得對自動駕駛車輛控制的基本理解的學生設計。建議修這門課的學生具備基本的程式設計知識。 至於其他主題，在起始的講座會廣泛涉及; 因此，沒有必要的先決知識，只要具備基本程式設計知識的學生都有辦法跟上。 參加這個自動駕駛汽車課程的學生將掌握無人駕駛汽車技術，這些技術將重塑交通運輸的未來。
我們將涵蓋的工具和演算法包括:
✅OpenCV
✅深度學習和人工神經網路
✅卷積( Convolutional )神經網路
✅模板匹配( Template matching )
✅HOG 的特徵提取
✅SIFT 、 SURF、FAST 和 ORB
✅Tensorflow 和 Keras
✅線性迴歸和邏輯迴歸
✅決策樹( Decision Trees )
✅支援向量機( Support Vector Machines，SVM )
✅Naive Bayes
https://softnshare.com/autonomous-cars-deep-learning-and-computer-vision-in-python/
hog算法 在 图像特征提取之HOG特征 - Senit_Co 的推薦與評價
它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。 算法 ... ... <看更多>