基于深度学习的多类道路场景感知

• 作者: 刘逸 应捷 陈明玺
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 环境感知 图像分割
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 118-121
• 页数: 4页
• 分类号: TP391|TN911.73
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1802412

摘要

对道路环境的感知是无人驾驶技术中的关键技术,车辆对可行驶区域的判定是环境感知中的重要一环.提出一种基于CNN的双任务联合结构模型,由1个编码器、2个解码器组成,通过端到端训练,实现特征信息共享,完成对城市道路、乡村道路和高速公路等多种道路场景的分类,并对场景中的道路进行分割,达到场景分类和道路分割的双重目标.实验表明,该结构模型能有效提高训练速度和分割精度,具有实时性,为智能驾驶辅助系统提供有价值的技术信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	应捷		37	110	6.0	8.0
2	刘逸		3	2	1.0	1.0
3	陈明玺		1	0	0.0	0.0