项目介绍

根据汽车前方摄像头捕捉的画面，控制汽车方向盘转动的方向和角度，这是自动驾驶要解决的核心问题。这个项目主要是通过使用深度神经网络解决一个回归问题。不同于分类、识别场景，回归问题中神经网络输出的是一个连续的值。
通过这个项目的学习，可以将神经网络用于通过人脸判断年龄，美颜指数等领域。在这个项目里，还可以学到图像增强的技术，用于提高网络的性能。

思维导图

深度学习本身最重要的是数据，在汽车的方向盘那边接了类似于USB那样的东西，通过这个设备能读到方向盘转的角度是多少？
同时，在车上装了三个摄像头，分别放在车的左边，中间，右边。然后将这三个摄像头数据作为卷积神经网络的输入，CNN会有一个输出，（这个输出，根据输入的情况会反馈出方向和角度），将这个误差反馈回去，不断的训练这个网络。

训练好网络后，我们只需要一个摄像头，安在车中间的摄像头，作为输入。

CNN的输出，经过方向盘的接口，传递给方向盘（方向盘按照传输的数值进行转动方向盘），进行自动驾驶的操作。

网络结构详解：

输入是一个66x200的彩色图像（3@66200）；
图像处理，将像素从0~255进行归一化（0到1之间，或者-1到1之间，-0.5-0.5之间），将数据变成容易被网络训练的数据；
然后通过**三层55的神经网络**，每一层输出是24，36，48个通道，即24@3198，36@1427，48@522；
然后，再次通过两个33的神经网络，即64@320，64@118。
接下来通过Flatten操作，将神经网络输出的图，变成一维向量，再经过4个全连接层，即（1164，110，50，10），
最后的输出层是一个神经元（回归模型），最后一个神经网络是一个向量表示（左用-，右用+，再加上一个标量。）

以后再工作中遇到的问题，可以找一篇论文具体分析以下原理。

重点

自动驾驶之方向盘角度预测

学习目标

根据车载摄像