Об этом курсе

Курс 3 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 19 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Английский

Субтитры: Английский

Курс 3 из 4 в программе

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 19 часа на выполнение

Предполагаемая нагрузка: 9 hours/week...

Английский

Субтитры: Английский

Программа курса: что вы изучите

Неделя
1
2 ч. на завершение

Welcome to Course 3: Visual Perception for Self-Driving Cars

This module introduces the main concepts from the broad field of computer vision needed to progress through perception methods for self-driving vehicles. The main components include camera models and their calibration, monocular and stereo vision, projective geometry, and convolution operations....
4 видео ((всего 18 мин.)), 3 материалов для самостоятельного изучения
4 видео
Welcome to the course4мин
Meet the Instructor, Steven Waslander5мин
Meet the Instructor, Jonathan Kelly2мин
3 материала для самостоятельного изучения
CARLA Installation Guide45мин
How to Use Discussion Forums15мин
How to Use Supplementary Readings in This Course15мин
3 ч. на завершение

Module 1: Basics of 3D Computer Vision

...
5 видео ((всего 37 мин.)), 1 тест
5 видео
Camera Projective Geometry8мин
Camera Calibration7мин
Visual Depth Perception - Stereopsis7мин
Image Filtering7мин
Неделя
2
6 ч. на завершение

Module 2: Visual Features - Detection, Description and Matching

Visual features are used to track motion through an environment and to recognize places in a map. This module describes how features can be detected and tracked through a sequence of images and fused with other sources for localization as described in Course 2. Feature extraction is also fundamental to object detection and semantic segmentation in deep networks, and this module introduces some of the feature detection methods employed in that context as well....
6 видео ((всего 44 мин.)), 1 тест
6 видео
Feature Descriptors6мин
Feature Matching7мин
Feature Matching: Handling Ambiguity in Matching5мин
Outlier Rejection8мин
Visual Odometry9мин
Неделя
3
1 ч. на завершение

Module 3: Feedforward Neural Networks

Deep learning is a core enabling technology for self-driving perception. This module briefly introduces the core concepts employed in modern convolutional neural networks, with an emphasis on methods that have been proven to be effective for tasks such as object detection and semantic segmentation. Basic network architectures, common components and helpful tools for constructing and training networks are described....
6 видео ((всего 58 мин.)), 1 тест
6 видео
Output Layers and Loss Functions10мин
Neural Network Training with Gradient Descent10мин
Data Splits and Neural Network Performance Evaluation8мин
Neural Network Regularization9мин
Convolutional Neural Networks9мин
1 практического упражнения
Feed-Forward Neural Networks30мин
Неделя
4
1 ч. на завершение

Module 4: 2D Object Detection

The two most prevalent applications of deep neural networks to self-driving are object detection, including pedestrian, cyclists and vehicles, and semantic segmentation, which associates image pixels with useful labels such as sign, light, curb, road, vehicle etc. This module presents baseline techniques for object detection and the following module introduce semantic segmentation, both of which can be used to create a complete self-driving car perception pipeline....
4 видео ((всего 52 мин.)), 1 тест
4 видео
2D Object detection with Convolutional Neural Networks11мин
Training vs. Inference11мин
Using 2D Object Detectors for Self-Driving Cars14мин
1 практического упражнения
Object Detection For Self-Driving Cars30мин

Преподавателя

Avatar

Steven Waslander

Associate Professor
Aerospace Studies

О Торонтский университет

Established in 1827, the University of Toronto is one of the world’s leading universities, renowned for its excellence in teaching, research, innovation and entrepreneurship, as well as its impact on economic prosperity and social well-being around the globe. ...

О специализации ''Self-Driving Cars'

Be at the forefront of the autonomous driving industry. With market researchers predicting a $42-billion market and more than 20 million self-driving cars on the road by 2025, the next big job boom is right around the corner. This Specialization gives you a comprehensive understanding of state-of-the-art engineering practices used in the self-driving car industry. You'll get to interact with real data sets from an autonomous vehicle (AV)―all through hands-on projects using the open source simulator CARLA. Throughout your courses, you’ll hear from industry experts who work at companies like Oxbotica and Zoox as they share insights about autonomous technology and how that is powering job growth within the field. You’ll learn from a highly realistic driving environment that features 3D pedestrian modelling and environmental conditions. When you complete the Specialization successfully, you’ll be able to build your own self-driving software stack and be ready to apply for jobs in the autonomous vehicle industry. It is recommended that you have some background in linear algebra, probability, statistics, calculus, physics, control theory, and Python programming. You will need these specifications in order to effectively run the CARLA simulator: Windows 7 64-bit (or later) or Ubuntu 16.04 (or later), Quad-core Intel or AMD processor (2.5 GHz or faster), NVIDIA GeForce 470 GTX or AMD Radeon 6870 HD series card or higher, 8 GB RAM, and OpenGL 3 or greater (for Linux computers)....
Self-Driving Cars

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.