基于DenseNet的无人汽车制动意图识别方法

• 作者: 伍菁
• 来源期刊: 计算机测量与控制
• 关键词: DenseNet 无人汽车 制动意图 识别 深度分解
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 226-230
• 页数: 5页
• 分类号: TP79
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.06.046

摘要

无人汽车制动意图内部数据由于识别深度增加,会出现过度膨胀现象,导致制动意图数据收集完整度低、识别准确率差;提出基于DenseNet的无人汽车制动示意图识别方法;选择数据深度收集系统,收集无人汽车制动意图内部数据,结合电池保护模型深度分解汽车内部运行过程的能耗,以收集的初始内部数据为标准,整合无人汽车制动意图识别数据,拆分整合数据,防止数据过度膨胀;利用DenseNet的高学习度以及自适应学习性,加权均衡处理内部数据标定函数,设置一组基函数,并选择相应的DenseNet复制内部数据函数,自适应分析复制后的数据,完成制动意图识别;实验结果表明,制动意图数据收集完整度提高15.21％,识别准确率增强了23.68％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伍菁	长安大学信息工程学院	3	1	1.0	1.0