我们生活在现代化的今天，目前已初步进入属于人工智能的社会，而无人机是人工智能最理想的载体之一，二者的结合将成为必然，而随着算法的不断优化，人工智能在无人机上的应用将远远不止自动避障这一项，而无人机也将变得越来越智能。从而打造美好的智慧城市.

  人工智能中的深度神经网络算法，这其中涉及到两个知识点：神经网络算法和深度学习。下面小编就给大家介绍一下这两种算法的基本知识。
什么是神经网络？
神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，他的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。如图所示，神经网络分为三部分：输入层、隐含层和输出层。其中隐含层又可以细分为很多个小层，每层由一个一个简单的神经元组成。
如图所示，每一个神经元模型的输入是上一层神经元的输出，并且每一个输入对应一个相应的权重值，不同的权重代表了不同输入的影响程度，把所有的输入、权重值以及阈值带入到输出函数中就可以得到一个我们想要的输出。再结合对误差的微调，就可以得到一个满足精度条件的数据。
什么是深度学习？
而所谓的深度学习就是在模型复杂度增加、容量增大后的更加复杂的学习方法。随着云计算与大数据时代的到来，深度学习可以处理庞大的数据，有了强大的计算能力做支撑，深度神经网络学习方法就可以最大化的发挥它的作用——快速的处理大量的数据并不断地学习优化。
在掌握了这些知识后，再来看Davide团队的研究成果就好理解了。他们首先用登山者头带三个GoPro相机的收集数据，并自动完成了数据的标记；第二步建立深度学习模型，并将输出结果限定为直行、左转和右转三种命令；第三步用手机采集图像，模拟无人机飞行时收到的图像，检测模型效果；第四步分别用AR.Drone 2.0无人机和实验室设计的搭载Odriod处理器的无人机进行真实场景的测试。

第一步收集数据时，三个相机分别为左中右三个角度，所以分别把三组照片标记为左转、直行和右转。第二步学习环节就用到了我们刚刚所介绍的深度神经网络算法，把之前收集的各种图像数据作为输入，左转、直行和右转作为输出，通过逐渐学习就可以建立一个十分精确的模型，让计算机在类似环境下学会如何像人一样做出正确的决策。
给机器赋予人类的思考方式正是人工智能的精髓，而随着大数据时代的到来，机器可以处理大量的数据，于是我们就可以通过先进的算法“教”机器如何根据大量过去的数据来做现在的决定。事实证明，任何事物都是有规律可循的，当机器掌握了足够多的有用数据及一个优秀的算法后，它可以做出超过人类判断能力的决定。就像Davide团队研发的无人机在经过深度学习培训后，其做决定的准确率达到了85.23%，甚至超过了人类的82.00%。而且人工智能另一个特点是学习的过程是持续的，所以只要数据库不断的增大，且不断的对误差进行微调，准确率将越来越高。