典型文献
基于多任务神经网络的智能网联汽车环境自动感知研究
文献摘要：
为提高智能网联汽车的驾驶体验感,基于卷积神经网络原理,在卷积神经网络底层插入双线性插值层,改进卷积神经网络池化层,构建智能网联汽车环境自动感知多任务神经网络.通过多任务神经网络编码器提取采集的汽车环境图像特征,作为语义分割与目标检测解码器的输入,执行多任务神经网络训练操作,采用训练好的神经网络输出智能网联汽车环境自动感知结果.在不同道路环境、光线强度及噪声强度下验证基于多任务网络的智能网联汽车环境自动感知性能.结果表明:该方法在不同道路环境下可实现智能网联汽车环境自动感知,不同光线条件下的目标检测效果较好,网络实用性与语义分割精度较高,能够满足实际智能网联汽车环境自动感知需求.
文献关键词：
多任务神经网络;智能网联汽车;环境自动感知;卷积神经网络;双线性插值
中图分类号：
作者姓名：
刘庆
作者机构：
安徽汽车职业技术学院,安徽 合肥 230601
文献出处：
引用格式：
[1]刘庆-.基于多任务神经网络的智能网联汽车环境自动感知研究)[J].山东交通学院学报,2022(04):1-7,17
A类：
环境自动感知
B类：
多任务神经网络,智能网联汽车,感知研究,高智能,体验感,双线性插值,改进卷积神经网络,池化,网络编码,编码器,图像特征,语义分割,目标检测,解码器,神经网络训练,练好,同道,道路环境,光线,线强,噪声强度,多任务网络,感知性,线条,检测效果
AB值：
0.179454
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
