汽车和其他自动驾驶车辆已经开始进入日常生活。然而，要使这项技术得到广泛采用，需要改进几个基本特性。其中之一是行人检测。为此，使用了深度学习技术——人工神经网络。 RUDN 数学家与来自埃及、沙特阿拉伯和中国的同事收集了该方向的最新研究成果，概述了主要问题并概述了未来工作的目标。

“近年来，自动驾驶汽车越来越受欢迎。它们提高了安全性和便利性，降低了油耗，减少了交通拥堵和事故，节省了成本并提高了可靠性。然而，在它们完全部署在道路上之前，需要解决几个主要任务。行人的精确检测是一项非常艰巨的任务。深度学习技术显示出解决这个问题的巨大潜力。我们汇总了行人检测问题的概述以及使用深度学习方法解决这些问题的最新进展。” – Ammar Muthanna ，技术科学候选人，俄罗斯人民友谊大学高科技系统和信息通信建模研究中心初级研究员。

数学家提请注意三个狗屎 使用深度学习检测行人时出现的问题是障碍物、图像质量差、多光谱图像。后者是同一物体的一系列图像，但在不同的范围内获得。例如，传统的光学图像和在红外范围内获得的图像。假设数据是从激光雷达和相机中获得的，深度学习模型就是从那里获得的。数学家考虑了用于构建此类模型的不同方法，并命名了它们的优缺点。

数学家注意到，不同的构造方法不仅给出不同的结果，而且工作的时间和精度也不同。例如，后来的方法给出了更准确的答案，但需要更多的时间。因此，数学家得出结论，重要的是实施可以在准确性和速度之间取得平衡的方法。并且将满足实际目标。数学家们还提请注意一个事实，即可用于训练的数据不够异构，可能无法提供完整的画面。例如，光学范围内的图像在白天效果更好，而在红外线 - 在黑暗中效果更好。为了使算法全天候有效，需要大量的异构训练数据。

在该领域未来研究的目标中，数学家将检测小物体和受阻物体、在光线不足的情况下工作、 3D和2D方法的组合命名。数学家还建议专注于提高速度和准确性。

自动驾驶汽车中基于深度学习的行人检测：重大问题和挑战
doi : 10.3390/electronics11213551
科学方向：数学
俄罗斯人民友谊大学（RUDN University ）