文件名称：论文研究-基于深度卷积神经网络的道路场景理解.pdf
文件大小：926KB
文件格式：PDF
更新时间：2022-09-27 02:15:50
论文研究
在无人驾驶技术中，道路场景的理解是一个非常重要的环境感知任务，也是一个很具有挑战性的课题。提出了一个深层的道路场景分割网络（Road Scene Segmentation Network，RSSNet），该网络为32层的全卷积神经网络，由卷积编码网络和反卷积解码网络组成。网络中采用批正则化层防止了深度网络在训练中容易出现的“梯度消失”问题；在激活层中采用了Maxout激活函数，进一步缓解了梯度消失，避免网络陷入饱和模式以及出现神经元死亡现象；同时在网络中适当使用Dropout操作，防止了模型出现过拟合现象；编码网络存储了特征图的最大池化索引并在解码网络中使用它们，保留了重要的边缘信息。实验证明，该网络能够大大提高训练效率和分割精度，有效识别道路场景图像中各像素的类别并对目标进行平滑分割，为无人驾驶汽车提供有价值的道路环境信息。