Об этом курсе
Недавно просмотрено: 35,059

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

This is an advanced course, intended for learners with a background in computer vision and deep learning.

Прибл. 20 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 5-6 hours per week...

Английский

Субтитры: Английский

Чему вы научитесь

  • Check

    Work with the pinhole camera model, and perform intrinsic and extrinsic camera calibration

  • Check

    Detect, describe and match image features and design your own convolutional neural networks

  • Check

    Apply these methods to visual odometry, object detection and tracking

  • Check

    Apply semantic segmentation for drivable surface estimation

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

This is an advanced course, intended for learners with a background in computer vision and deep learning.

Прибл. 20 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 5-6 hours per week...

Английский

Субтитры: Английский

Учащиеся, которые проходят продукт ''Course'

  • Machine Learning Engineers
  • Data Scientists
  • Scientists
  • Researchers
  • Engineers

Программа курса: что вы изучите

Неделя
1
2 ч. на завершение

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

4 видео ((всего 18 мин.)), 4 материалов для самостоятельного изучения
4 видео
Welcome to the course4мин
Meet the Instructor, Steven Waslander5мин
Meet the Instructor, Jonathan Kelly2мин
4 материала для самостоятельного изучения
Course Prerequisites15мин
How to Use Discussion Forums15мин
How to Use Supplementary Readings in This Course15мин
Recommended Textbooks15мин
7 ч. на завершение

Module 1: Basics of 3D Computer Vision

6 видео ((всего 43 мин.)), 4 материалов для самостоятельного изучения, 2 тестов
6 видео
Lesson 1 Part 2: Camera Projective Geometry8мин
Lesson 2: Camera Calibration7мин
Lesson 3 Part 1: Visual Depth Perception - Stereopsis7мин
Lesson 3 Part 2: Visual Depth Perception - Computing the Disparity5мин
Lesson 4: Image Filtering7мин
4 материала для самостоятельного изучения
Supplementary Reading: The Camera Sensor30мин
Supplementary Reading: Camera Calibration15мин
Supplementary Reading: Visual Depth Perception30мин
Supplementary Reading: Image Filtering15мин
1 практическое упражнение
Module 1 Graded Quiz30мин
Неделя
2
7 ч. на завершение

Module 2: Visual Features - Detection, Description and Matching

6 видео ((всего 44 мин.)), 5 материалов для самостоятельного изучения, 1 тест
6 видео
Lesson 2: Feature Descriptors6мин
Lesson 3 Part 1: Feature Matching7мин
Lesson 3 Part 2: Feature Matching: Handling Ambiguity in Matching5мин
Lesson 4: Outlier Rejection8мин
Lesson 5: Visual Odometry9мин
5 материала для самостоятельного изучения
Supplementary Reading: Feature Detectors and Descriptors30мин
Supplementary Reading: Feature Matching15мин
Supplementary Reading: Feature Matching15мин
Supplementary Reading: Outlier Rejection15мин
Supplementary Reading: Visual Odometry10мин
Неделя
3
3 ч. на завершение

Module 3: Feedforward Neural Networks

6 видео ((всего 58 мин.)), 6 материалов для самостоятельного изучения, 1 тест
6 видео
Lesson 2: Output Layers and Loss Functions10мин
Lesson 3: Neural Network Training with Gradient Descent10мин
Lesson 4: Data Splits and Neural Network Performance Evaluation8мин
Lesson 5: Neural Network Regularization9мин
Lesson 6: Convolutional Neural Networks9мин
6 материала для самостоятельного изучения
Supplementary Reading: Feed-Forward Neural Networks15мин
Supplementary Reading: Output Layers and Loss Functions15мин
Supplementary Reading: Neural Network Training with Gradient Descent15мин
Supplementary Reading: Data Splits and Neural Network Performance Evaluation10мин
Supplementary Reading: Neural Network Regularization15мин
Supplementary Reading: Convolutional Neural Networks10мин
1 практическое упражнение
Feed-Forward Neural Networks30мин
Неделя
4
3 ч. на завершение

Module 4: 2D Object Detection

4 видео ((всего 52 мин.)), 4 материалов для самостоятельного изучения, 1 тест
4 видео
Lesson 2: 2D Object detection with Convolutional Neural Networks11мин
Lesson 3: Training vs. Inference11мин
Lesson 4: Using 2D Object Detectors for Self-Driving Cars14мин
4 материала для самостоятельного изучения
Supplementary Reading: The Object Detection Problem15мин
Supplementary Reading: 2D Object detection with Convolutional Neural Networks30мин
Supplementary Reading: Training vs. Inference45мин
Supplementary Reading: Using 2D Object Detectors for Self-Driving Cars30мин
1 практическое упражнение
Object Detection For Self-Driving Cars30мин
4.6
Рецензии: 14Chevron Right

Лучшие отзывы о курсе Visual Perception for Self-Driving Cars

автор: RGOct 7th 2019

Many thanks for this amazing course!!!! was very hard to me but I have learned a lot!!! Thanks!!!

автор: AAJul 18th 2019

Content is great but lack of instructor support makes the course hard to understand.

Преподаватели

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. ...

Специализация Беспилотные автомобили: общие сведения

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)....
Беспилотные автомобили

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.