10.3969/j.issn.1003-8329.2023.02.001
改进空洞卷积在自动驾驶任务中的应用研究
空洞卷积在深度学习任务中应用广泛,能节省计算资源.但由于卷积核中插入了空值点,可能导致局部信息丢失,在图像处理任务中会破坏信息的连续性和位置信息.本文基于空洞卷积理论,优化了空洞卷积结构,避免了局部信息丢失,提升了在恶劣天气情况下自动驾驶汽车的预判交通事故风险的能力.经实验验证,本文优化的神经网络模型提升了训练效率、节省了计算资源,同时比传统方法提升了可驾驶区域分割的准确性和盲区车辆的轨迹预测准确性.
自动驾驶、空洞卷积、金字塔、深度学习、事故预判
32
TN911.73
天津市重点基金项目21JCZDJC00340
2023-07-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-5,10