基于门控循环单元的障碍物检测方法
针对现有障碍物检测方法存在检测精度和速度不足的问题,提出一种基于门控循环单元(Gated Recurrent Unit,GRU)的障碍物检测方法.通过构建单向GRU网络提取障碍物的几何特征,结合障碍物的时序特征实现障碍物检测.在GRU的基础上,提出三种优化模型注意力GRU模型、正则化GRU模型以及双向GRU模型用于提高障碍物检测精度或检测速度.为了验证所提方法的有效性,在真实采集的数据集上进行实验,结果表明,相较于卷积神经网络,GRU网络能够以较高的精度和速度实现障碍物的检测,其中,正则化GRU模型收敛速度更快,检测速度更高,综合性能最好.
障碍物检测、GRU、正则化、注意力机制、循环神经网络
16
TP391(计算技术、计算机技术)
国家自然科学基金面上项目61671337
2020-12-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
1-3,19