自动驾驶中基于卷积神经网络的行人检测研究

• 作者: 杨康 陈丽
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 行人检测 多尺度融合 卷积神经网络 批量归一化
• 年，卷（期）: 2020,（25）
• 页码范围: 22-24
• 页数: 3页
• 分类号: TP18

摘要

针对行人检测中检测精度低和速度慢的问题,文章提出了一种改进的U-NET网络架构。为了提高系统的检测精度,采用了多尺度融合技术来构建多层卷积神经网络(CNN)。为了提高检测速度,改善了网络结构的特征通道数量,减少了大量的计算时间,以满足自动驾驶领域数据处理的实时性。在训练阶段,使用批归一化(BN)算法对每一层的输入数据进行归一化,以加快模型的收敛速度。实验结果表明,改进的网络模型可以在保证一定的检测精度的前提下,提高系统的检测速度,并满足实时性要求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨康	沈阳工业大学信息科学与工程学院	13	71	5.0	8.0
2	陈丽	沈阳工业大学信息科学与工程学院	8	59	4.0	7.0