基于深度视觉注意神经网络的端到端自动驾驶模型

• 作者: 孔力 张若晗 童秀迟 胡学敏 郭琳
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 自动驾驶 端到端 视觉注意力 卷积神经网络 长短期记忆网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1926-1931
• 页数: 6页
• 分类号: TP391.4
• 字数: 6124字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019112054

摘要

针对现有端到端自动驾驶方法中存在的驾驶指令预测不准确、模型结构体量大和信息冗余多等问题,提出一种新的基于深度视觉注意神经网络的端到端自动驾驶模型.为了更有效地提取自动驾驶场景的特征,在端到端自动驾驶模型中引入视觉注意力机制,将卷积神经网络、视觉注意层和长短期记忆网络进行融合,提出一种深度视觉注意神经网络.该网络模型能够有效提取驾驶场景图像的空间特征和时间特征,并关注重要信息且减少信息冗余,实现用前向摄像机输入的序列图像来预测驾驶指令的端到端自动驾驶.利用模拟驾驶环境的数据进行训练和测试,该模型在乡村路、高速路、隧道和山路四个场景中对方向盘转向角预测的均方根误差分别为0.00914、0.00948、0.00289和0.01078,均低于对比用的英伟达公司提出的方法和基于深度级联神经网络的方法;并且与未使用视觉注意力机制的网络相比,该模型具有更少的网络层数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭琳	湖北大学计算机与信息工程学院	15	59	4.0	7.0
2	胡学敏	湖北大学计算机与信息工程学院	18	77	4.0	8.0
3	童秀迟	湖北大学计算机与信息工程学院	5	4	1.0	2.0
4	张若晗	湖北大学计算机与信息工程学院	4	3	1.0	1.0
5	孔力	湖北大学计算机与信息工程学院	2	0	0.0	0.0