近年來車輛的日益普及致使交通事故數(shù)量呈逐年上升的趨勢。ADAS系統(tǒng)通過感知車輛周邊環(huán)境以及車輛自身行駛狀態(tài),對危險的駕駛行為以及可能發(fā)生的交通事故進(jìn)行提前預(yù)警與干預(yù)。統(tǒng)計數(shù)據(jù)顯示,一些簡單的駕駛輔助系統(tǒng)已在實際駕駛環(huán)境中應(yīng)用,并對預(yù)防交通事故起到了積極的作用,如檢測到行人靠近時自動減緩車速。因此在全球范圍內(nèi),ADAS系統(tǒng)正獲得越來越廣泛的關(guān)注。本文面向高級輔助駕駛系統(tǒng)（ADAS）中的三大實際應(yīng)用,（1）360?行人檢測,（2）交通標(biāo)志識別,以及（3）駕駛行為預(yù)測,探討研究深度遷移學(xué)習(xí)模型在其中的應(yīng)用方法以及工作原理。深度學(xué)習(xí)憑借其優(yōu)異的非線性表示能力,近年來在機(jī)器視覺、自然語言處理等領(lǐng)域均取得了卓越的成就。然而在輔助駕駛應(yīng)用中,多變的駕駛環(huán)境、司機(jī)間迥異的駕駛習(xí)慣以及多元的地區(qū)文化等因素均導(dǎo)致深度學(xué)習(xí)的基本假設(shè):訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)分布一致,無法得到滿足。另外,駕駛數(shù)據(jù)中特有的標(biāo)注數(shù)據(jù)不充足、訓(xùn)練數(shù)據(jù)不平衡、數(shù)據(jù)噪音嚴(yán)重以及多數(shù)據(jù)融合等問題,都顯著加大了深度架構(gòu)的訓(xùn)練難度。不同于傳統(tǒng)機(jī)器學(xué)習(xí)對數(shù)據(jù)的嚴(yán)格要求,遷移學(xué)習(xí)允許訓(xùn)練和測試數(shù)據(jù)之間存在顯著差異,如數(shù)據(jù)邊際分布、條件分布和數(shù)據(jù)流形差... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：143 頁

【學(xué)位級別】：博士

【部分圖文】：

–2輔助駕駛系統(tǒng)的不同干預(yù)時期

各章節(jié)與論文主要內(nèi)容的對應(yīng)關(guān)系如圖1–3所示。遷移學(xué)習(xí)在計算機(jī)科學(xué)、建模與仿真和模式識別以及許多相關(guān)應(yīng)用領(lǐng)域已有比較完善的理論和應(yīng)用前景。在真實駕駛場景中,如何結(jié)合遷移學(xué)習(xí)理論改進(jìn)深度框架以應(yīng)對行駛環(huán)境多變、標(biāo)簽數(shù)據(jù)稀缺等問題是本文研究的主要問題。本章主要介紹深度遷移學(xué)習(xí)的相關(guān)概念、使用到的知識遷移技術(shù)和知識遷移途徑以及相關(guān)模型性能評價指標(biāo)。

如圖2–4所示,無監(jiān)督遷移學(xué)習(xí)的特點為目標(biāo)與源數(shù)據(jù)均未標(biāo)注,其更關(guān)注在目標(biāo)領(lǐng)域解決非監(jiān)督問題,如聚類、降維、密度估計等。其主要的思想是存在一個共同的特征空間,在該空間下,源與目標(biāo)領(lǐng)域距離最小,因此可以通過源數(shù)據(jù)輔助目標(biāo)數(shù)據(jù)進(jìn)行無監(jiān)督的聚類、降維等任務(wù)。圖2–4無監(jiān)督遷移遷移學(xué)習(xí)圖示

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在無人駕駛汽車領(lǐng)域應(yīng)用的研究進(jìn)展[J]. 王科俊,趙彥東,邢向磊.  智能系統(tǒng)學(xué)報. 2018(01)



本文編號：3597645