基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前大多数的可行驶区域分割算法,是以网络结构复杂化为代价换取像素级的精确分割.为了降低训练出的网络结构的复杂度,较为轻量、快速地实现可行驶区域分割,对基于目标检测的可行驶区域分割方法进行了研究.该方法把可行驶区域的像素级标注转换为目标检测框标注,用目标检测算法实现可行驶区域分割.实验结果表明,目标检测方法也能较为准确地对可行驶区域进行分割.
推荐文章
基于SegNet的非结构道路可行驶区域语义分割
自动驾驶
非结构化道路
深度学习
语义分割
融合超像素3D与Appearance特征的可行驶区域检测
自动驾驶
高级辅助驾驶系统
超像素
双目视觉
特征融合
可行驶区域
基于机器学习的奶牛深度图像身体区域精细分割方法
奶牛
目标检测
肢干分割
深度图像
机器学习
基于深度学习的目标检测算法研究综述
目标检测
深度学习
计算机视觉
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习目标检测的可行驶区域分割
来源期刊 现代信息科技 学科
关键词 目标检测 可行驶区域分割 矩形覆盖多边形
年,卷(期) 2020,(23) 所属期刊栏目 计算机技术|Computer Technology
研究方向 页码范围 106-108
页数 3页 分类号 TP391.41
字数 语种 中文
DOI 10.19850/j.cnki.2096-4706.2020.23.030
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (3)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
目标检测
可行驶区域分割
矩形覆盖多边形
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导