基于双流卷积神经网络的智能小车避障算法研究
目前,智能小车由于其应用广泛,是研究的热点之一,而基于神经网络与摄像头的智能车由于其在价格以及可靠性等方面的优越性更是受到了广大研究人员的青睐.然而,在端对端的卷积神经网络智能小车避障系统中,有时无论对网络结构和参数进行何种微调,总有一些图像是难以正确分类的,或者说要对某些图像进行正确分类,需要进行相当繁复的参数调整以及结构改变.针对上述问题,考虑采用双流卷积神经网络,利用原始图片与光流图片分别通过预训练的网络后,再将评分结果进行融合,得到最终的分类结果.事实证明,采用该方法可以有效改善传统卷积神经网络一些分类错误的问题.
双流卷积神经网络、避障、图像分类
TP391.41(计算技术、计算机技术)
国家自然科学基金61301190,61475018
2018-01-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
18-23