基于端到端深度学习的智能车自动转向研究

• 作者: 侯献军 李超群 王科未 邹斌
• 来源期刊: 计算机应用研究
• 关键词: 端到端深度学习 自编码器 自动转向 反卷积
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2873-2876
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.09.074

摘要

为解决由图像直接计算出控制量的端到端深度学习算法中感知器和控制器难以区分的问题,对其网络结构进行了改进.通过预训练一个自编码器,得到良好的道路特征编码后,将编码器作为感知器和和转角预测控制器一起进行端到端的训练.训练结果表明,改进后的自动转向网络模型收敛得更快,预测的角度在测试集上能较好地跟随实际角度变化而变化.利用解码器和特征图反向传播法分别还原出道路图片,可视化了该自动转向模型重点关注的道路特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯献军	武汉理工大学现代汽车零部件技术湖北省重点实验室	95	772	13.0	21.0
3	邹斌	武汉理工大学现代汽车零部件技术湖北省重点实验室	36	219	9.0	12.0
5	李超群	武汉理工大学现代汽车零部件技术湖北省重点实验室	3	7	2.0	2.0