自动驾驶中基于卷积神经网络的行人检测研究

摘要：

针对行人检测中检测精度低和速度慢的问题,文章提出了一种改进的U-NET网络架构.为了提高系统的检测精度,采用了多尺度融合技术来构建多层卷积神经网络(CNN).为了提高检测速度,改善了网络结构的特征通道数量,减少了大量的计算时间,以满足自动驾驶领域数据处理的实时性.在训练阶段,使用批归一化(BN)算法对每一层的输入数据进行归一化,以加快模型的收敛速度.实验结果表明,改进的网络模型可以在保证一定的检测精度的前提下,提高系统的检测速度,并满足实时性要求.

关键词：行人检测、多尺度融合、卷积神经网络、批量归一化

所属期刊栏目：16

分类号：TP18(自动化基础理论)

在线出版日期：2020-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：22-24,30