颜色分类leetcode self driving car:Udacity自动驾驶汽车纳米学位

颜色分类leetcode第1学期：计算机视觉和深度学习介绍

1. 认识导师了解构成自动驾驶汽车的系统以及程序的结构。

2. 项目：检测车道线从视频流中检测高速公路车道线。使用OpenCV图像分析技术来识别线条，包括 Hough变换 和 Canny边缘检测。

深度学习

1. 机器学习：回顾机器学习的基础知识，包括回归和分类。

2. 神经网络：了解感知器、激活函数和基本神经网络。用Python实现你自己的神经网络。

3. 物流分类器：研究如何使用机器学习训练逻辑分类器。在 TensorFlow 中实现逻辑分类器。

4. 优化：研究优化分类器性能的技术，包括验证和测试集、梯度下降、动量和学习率。

5. 整流线性单元：评估激活函数以及它们如何影响性能。

6. 正则化：学习包括dropout在内的技术，以避免网络过度拟合训练数据。

7. 卷积神经网络：研究卷积神经网络的构建块，包括过滤器、步幅和池化。

8. 项目：交通标志分类实施和训练卷积神经网络来对交通标志进行分类。使用验证集、池化和dropout来选择网络架构并提高性能。

9. 凯拉斯：在Keras中使用卷积神经网络进行训练。