人工智能那么火,盘点热门的AI申请方向
无人驾驶主要依靠视频摄像头、雷达传感器以及激光测距来了解周围的交通状况。无人驾驶的技术架构,主要包括算法,系统和云平台。在车辆端,除了操作系统和硬件平台,就是算法模块,其主要职责是通过传感获取周围的环境数据,通过进一步的定位,物体识别以及追踪等充分的理解车辆的周围环境。最终在了解环境后做出决策,执行下一步的路径规划,躲避障碍物,行为预测等行为。而云端的主要职责是模拟计算和训练,高精地图,数据存储等功能。
众所周知,在人工智能大浪潮的时代,无人驾驶可谓是炙手可热的领域,不仅因为无人驾驶是人工智能的典型应用,它更是高薪的代名词。如果有计划申请或将来投身该领域,建议大家围绕地图构建(mapping),自主定位(Self-localization),路径规划(path planning),运动控制系统(motion control system)等方向领域做一些开发性的实践工作。诸如自主定位系统(Self-localization System),自主导航系统(Navigation System)都是该领域的典型开发课题。
机器人是高度整合控制论、机械电子、计算机科学、材料和仿生学的产物。集计算机的算法设计,程序编写,自动化的机械控制,硬件衔接等多学科交叉应用。如果说人工智能引领了科技时代,那么机器人就是人工智能应用的代言人和先锋官,其应用领域范畴之广,让人叹为观止。如果希望申请或从事机器人领域,建议在计算机视觉,实时定位与地图构建,图像处理等方面多下功夫,做一些科研实习,打好技术基础。比较有代表性的研究主题如基于全景视觉系统的足球机器人定位,基于RGB-D传感器的室内3D地图构建系统等都是很好的选择。
机器学习(Machine Learning)是一门多领域交叉学科,涉及概率论、统计学、数据分析、算法等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习主要原理是使机器通过读入大量的图像或者视频数据,来训练优化自己,得出一定的解决特定问题的模式。而深度学习是一种特别的机器学习方法,目前训练行之有效。
围绕机器学习或者深度学习的代表性实践课题如手势识别,语音识别,人脸之别等等。如基于深度学习的人脸面部属性特征识别,就是人脸识别的经典实践研究。其工作原理是通过一定技术(如Python爬虫技术)采集大量的面部表情图像,再通过图像处理技术对大量的表情图像数据进行,进行属性标注,从而成为深度学习模型的训练学习样本。最终能够做到对新的人脸进行匹配和识别。