在无人驾驶工程中，交通标志的准确识别与周围车辆的检测，是保证无人车安全行驶的关键所在。如何利用人工智能与机器学习算法高效准确地对车辆环境进行探测与识别，对于解决当今智能交通中的诸多问题，有着重大的意义。基于深度学习的CNN模型的图像识别方法能提高对交通标志识别的准确度，将交通标志当做探测对象，从而提高标志识别的精确性。另一方面，计算机视觉中的HOG特征检测算法，可以有效识别场景中的汽车特征，结合支持向量机与滑动窗口搜索，能够准确探测环境中的行动车辆，实现“智能识车”，确保安全出行。

     本研究项目内容涉及深度学习、计算机视觉等领域，通过该项目学生可以了解支持向量机与卷积神经网络方法，并完成对无人驾驶汽车摄像画面的车辆探测与交通标志识别。需要使用的工具：Python, Opencv, Tensorflow等。

•      长期从事青少年编程(Python/C++)、人工智能课程讲授与项目辅导的教学工作，擅长以独特的教学方式直击人工智能核心，让学生在数学知识与编程技巧尚不充足的情况下，也能对人工智能的学科前沿产生清晰的认识，从而撰写出高质量高水准的学术报告。

•     具有丰富的教学经验，目前已经辅导百余名学员完成人工智能、机器学习与计算机视觉相关的科研实训，相关结果多次以论文形式发表在EI/CPCI国际会议上。

希望申请国外计算机科学、数据科学、数学、电子、自动化、车辆工程、机械工程等相关专业，或者转专业科研入门的本科生。

对于人工智能（AI）感兴趣或想要申请国外本科，需要科研经历的高中生。