融合批规范化编解码网络架构的道路分割

• 作者: 王亚蕊 王啸宇
• 来源期刊: 现代计算机
• 关键词: 自动驾驶 深度学习 道路分割 全卷积神经网络
• 年，卷（期）: 2018,（18）
• 所属期刊栏目: 图形图像
• 页码范围: 58-61,67
• 页数: 5页
• 字数: 2241字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2018.18.012

摘要

在城市道路环境中,无人车驾驶是一项极具挑战性的任务,除了借助各种传感器感知自身运行状态和周围环境信息外,无人车视觉导航系统中的各种障碍物检测、道路分割也是无人车驾驶导航系统中的关键问题.针对无人驾驶汽车在城市环境下行驶难度大等热点问题,采用基于编解码架构模型的道路分割算法框架,通过卷积与反卷积过程完成像素级别的分类,此外,针对深层卷积网络没有考虑学习率等参数的数据稳定分布性问题,在每一次卷积操作后加入批规范化计算,增强模型训练过程中参数调优的稳定性.在KITTI的道路实况数据集上测试准确率达到96.0821％,说明融合批规范化的编解码网络模型对道路分割具有优良的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王亚蕊	上海海事大学电子信息系	1	1	1.0	1.0
2	王啸宇	合肥工业大学电子通信系	1	1	1.0	1.0