| 基于深度学习的多类道路场景感知 |
| |
| 引用本文： | 刘逸,应捷,陈明玺. 基于深度学习的多类道路场景感知[J]. 电子测量技术, 2019, 42(11): 118-121 |
| |
| 作者姓名： | 刘逸 应捷 陈明玺 |
| |
| 作者单位： | 上海理工大学光电信息与计算机工程学院 上海200093;上海理工大学光电信息与计算机工程学院 上海200093;上海理工大学光电信息与计算机工程学院 上海200093 |
| |
| 摘 要： | 对道路环境的感知是无人驾驶技术中的关键技术,车辆对可行驶区域的判定是环境感知中的重要一环。提出一种基于CNN的双任务联合结构模型,由1个编码器、2个解码器组成,通过端到端训练,实现特征信息共享,完成对城市道路、乡村道路和高速公路等多种道路场景的分类,并对场景中的道路进行分割,达到场景分类和道路分割的双重目标。实验表明,该结构模型能有效提高训练速度和分割精度,具有实时性,为智能驾驶辅助系统提供有价值的技术信息。
|
| 关 键 词： | 卷积神经网络 深度学习 环境感知 图像分割 |
Road scene perception which based on convolution neural network |
| |
| Liu Yi,Ying Jie,Chen Mingxi. Road scene perception which based on convolution neural network[J]. Electronic Measurement Technology, 2019, 42(11): 118-121 |
| |
| Authors: | Liu Yi Ying Jie Chen Mingxi |
| |
| Affiliation: | (School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China) |
| |
| Abstract: | Liu Yi;Ying Jie;Chen Mingxi(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China) |
| |
| Keywords: | convolution neural network deep learning environmental perception image segmentation |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
