ரிஷப் சோப்டா, சாகேத் பிரதான் மற்றும் அனுஜ் கோயங்கா
எதிர்கால கார்கள் ஓட்டுநர் இல்லாமல் இருக்கும் என்று எதிர்பார்க்கப்படுகிறது; பாயிண்ட்-டு-பாயிண்ட் போக்குவரத்து சேவைகள் உயிரிழப்புகளைத் தவிர்க்கும் திறன் கொண்டவை. இந்த இலக்கை அடைய, கார் உற்பத்தியாளர்கள் சாத்தியமான தன்னாட்சி ஓட்டுதலை உணர முதலீடு செய்து வருகின்றனர். இது சம்பந்தமாக, வண்ணமயமான கூம்புகளால் ஆன பாதையில், திசைமாற்றுவதற்கான முதன்மை வழிமுறையாக பொருள்-கண்டறிதலைப் பயன்படுத்தி தன்னியக்க ஓட்டுநர் திறன் கொண்ட சுய-ஓட்டுநர் மாடல் காரை நாங்கள் வழங்குகிறோம். இந்தத் தாள் ஒரு மாதிரி வாகனத்தை, அதன் உட்பொதிக்கப்பட்ட வன்பொருள் தளத்திலிருந்து, தானியங்கு தரவு கையகப்படுத்தல் மற்றும் மாதிரி-பயிற்சிக்குத் தேவையான இறுதி முதல் இறுதி ML பைப்லைன் வரை, அதன் மூலம் வன்பொருள் தளத்திலிருந்து உள்ளீட்டைப் பெற ஆழமான கற்றல் மாதிரியை அனுமதிக்கிறது. காரின் இயக்கங்களைக் கட்டுப்படுத்த. இது காரை தன்னிச்சையாக வழிநடத்துகிறது மற்றும் கைமுறை அம்சம்-பிரித்தல் இல்லாமல் நிகழ்நேர டிராக்குகளுக்கு நன்கு மாற்றியமைக்கிறது. இந்தத் தாள், வீடியோ தரவிலிருந்து கற்றுக் கொள்ளும் கணினி பார்வை மாதிரியை அளிக்கிறது மற்றும் பட செயலாக்கம், பெருக்குதல், நடத்தை குளோனிங் மற்றும் ஒரு கன்வல்யூஷனல் நியூரல் நெட்வொர்க் மாதிரி ஆகியவற்றை உள்ளடக்கியது. டார்க்நெட் கட்டமைப்பானது, வீடியோ பிரிவு மூலம் பொருட்களைக் கண்டறிந்து அதை 3D செல்லக்கூடிய பாதையாக மாற்ற பயன்படுகிறது. இறுதியாக, பயன்படுத்தப்படும் நுட்பத்தின் முடிவு, முடிவுகள் மற்றும் எதிர்கால முன்னேற்றத்தின் நோக்கம் ஆகியவற்றை கட்டுரை தொடுகிறது.