10.3969/j.issn.1672-9870.2021.03.016
结合Spatial CNN的端到端自动驾驶研究
针对当前自动驾驶中端到端深度学习算法需要庞大数据集作为训练支撑且缺少针对性的问题,基于深度迁移的思想,提出了迁移预训练VGG-16网络结合Spatial CNN网络结构的端到端自动驾驶模型.将预训练模型在ImageNet数据集上已经学习到的图像识别能力迁移至转向预测任务上,同时嵌入Spatial CNN网络结构挖掘空间特征信息.研究结果表明:在基于同等少量样本的训练后,迁移学习模型提取的特征更具有相关性,与从零开始训练的DAVE-2模型相比,预测误差率降低11.1%.在测试地图上模型预测值能很好地跟随真实值变化,说明模型能够实现高精度预测.
SCNN模型、自动驾驶、深度学习、迁移学习
44
TP391.4(计算技术、计算机技术)
吉林省科技厅自然科学研究项目20200201167JC
2021-07-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
102-108