10.16526/j.cnki.11-4762/tp.2020.06.046
基于DenseNet的无人汽车制动意图识别方法
无人汽车制动意图内部数据由于识别深度增加,会出现过度膨胀现象,导致制动意图数据收集完整度低、识别准确率差;提出基于DenseNet的无人汽车制动示意图识别方法;选择数据深度收集系统,收集无人汽车制动意图内部数据,结合电池保护模型深度分解汽车内部运行过程的能耗,以收集的初始内部数据为标准,整合无人汽车制动意图识别数据,拆分整合数据,防止数据过度膨胀;利用DenseNet的高学习度以及自适应学习性,加权均衡处理内部数据标定函数,设置一组基函数,并选择相应的DenseNet复制内部数据函数,自适应分析复制后的数据,完成制动意图识别;实验结果表明,制动意图数据收集完整度提高15.21%,识别准确率增强了23.68%.
DenseNet、无人汽车、制动意图、识别、深度分解
28
TP79(遥感技术)
2020-07-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
226-230