本文選題：深度學(xué)習(xí) + 卷積神經(jīng)網(wǎng)絡(luò)　； 參考：《計算機(jī)工程與應(yīng)用》2017年22期

【摘要】：在無人駕駛技術(shù)中,道路場景的理解是一個非常重要的環(huán)境感知任務(wù),也是一個很具有挑戰(zhàn)性的課題。提出了一個深層的道路場景分割網(wǎng)絡(luò)(Road Scene Segmentation Network,RSSNet),該網(wǎng)絡(luò)為32層的全卷積神經(jīng)網(wǎng)絡(luò),由卷積編碼網(wǎng)絡(luò)和反卷積解碼網(wǎng)絡(luò)組成。網(wǎng)絡(luò)中采用批正則化層防止了深度網(wǎng)絡(luò)在訓(xùn)練中容易出現(xiàn)的"梯度消失"問題;在激活層中采用了Maxout激活函數(shù),進(jìn)一步緩解了梯度消失,避免網(wǎng)絡(luò)陷入飽和模式以及出現(xiàn)神經(jīng)元死亡現(xiàn)象;同時在網(wǎng)絡(luò)中適當(dāng)使用Dropout操作,防止了模型出現(xiàn)過擬合現(xiàn)象;編碼網(wǎng)絡(luò)存儲了特征圖的最大池化索引并在解碼網(wǎng)絡(luò)中使用它們,保留了重要的邊緣信息。實驗證明,該網(wǎng)絡(luò)能夠大大提高訓(xùn)練效率和分割精度,有效識別道路場景圖像中各像素的類別并對目標(biāo)進(jìn)行平滑分割,為無人駕駛汽車提供有價值的道路環(huán)境信息。
[Abstract]:In driverless technology, the understanding of road scene is a very important task of environmental awareness, and also a very challenging task. A deep road scene segmentation network (RSSNet) is proposed. The network is a 32-layer full-convolution neural network composed of convolutional coding network and deconvolution decoding network. In the network, batch regularization layer is used to prevent the problem of "gradient disappearing", and Maxout activation function is used in the activation layer, which further alleviates the gradient disappearance. At the same time, the Dropout operation is used properly in the network to prevent the over-fitting of the model. The coding network stores the largest pooled index of the feature graph and uses them in the decoding network, thus preserving important edge information. Experiments show that the network can greatly improve the training efficiency and segmentation accuracy, effectively identify the categories of each pixel in the road scene image and smooth the target segmentation, and provide valuable road environment information for driverless vehicles.
【作者單位】： 咸陽師范學(xué)院計算機(jī)學(xué)院;西安理工大學(xué)機(jī)械與精密儀器工程學(xué)院;
【基金】：國家自然科學(xué)基金(No.10872160)
【分類號】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曠章輝;王甲海;周雅蘭;;用改進(jìn)的競爭Hopfield神經(jīng)網(wǎng)絡(luò)求解多邊形近似問題[J];計算機(jī)科學(xué);2009年03期

2 高永建 ,吳健康;神經(jīng)網(wǎng)絡(luò)及其識別應(yīng)用簡介[J];電信科學(xué);1990年02期

3 謝國梁;;神經(jīng)網(wǎng)絡(luò):從希望到現(xiàn)實[J];激光與光電子學(xué)進(jìn)展;1991年01期

4 鄭士貴;文獻(xiàn)自動閱讀神經(jīng)網(wǎng)絡(luò)[J];管理科學(xué)文摘;1996年08期

5 呂芬;趙生妹;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的噪聲字母識別[J];計算機(jī)與信息技術(shù);2005年12期

6 李毅;童紅俊;宋貴寶;李冬;;神經(jīng)網(wǎng)絡(luò)在飛行器航跡仿真計算中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報;2006年05期

7 林鋼;;基于SOM神經(jīng)網(wǎng)絡(luò)對潛在客戶的挖掘[J];南寧職業(yè)技術(shù)學(xué)院學(xué)報;2006年04期

8 楊帆;陳勁杰;唐梅華;陳鑫;;簡論神經(jīng)網(wǎng)絡(luò)在搜索中的應(yīng)用[J];機(jī)械管理開發(fā);2008年01期

9 朱紅斌;;LVQ神經(jīng)網(wǎng)絡(luò)在交通事件檢測中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2008年34期

10 李彤巖;李興明;;神經(jīng)網(wǎng)絡(luò)在確定關(guān)聯(lián)規(guī)則挖掘算法權(quán)值中的應(yīng)用研究[J];計算機(jī)應(yīng)用研究;2008年05期

相關(guān)會議論文 前10條

1 陳文新;王長富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語四聲識別[A];第一屆全國語言識別學(xué)術(shù)報告與展示會論文集[C];1990年

2 李睿;李明軍;;一種模糊高斯基神經(jīng)網(wǎng)絡(luò)在數(shù)值逼近上的仿真[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國第17屆計算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

3 許旭萍;臧道青;;采用Hopfield神經(jīng)網(wǎng)絡(luò)實施缸蓋表面點陣字符識別[A];第十五屆全國汽車檢測技術(shù)年會論文集[C];2011年

4 朱長春;;神經(jīng)網(wǎng)絡(luò)用于線性時固有系統(tǒng)的廣義狀態(tài)轉(zhuǎn)移矩陣的識別[A];中國工程物理研究院科技年報（1999）[C];1999年

5 王玉斌;李永明;王穎;;用數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測工程造價[A];第十一屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2007年

6 應(yīng)捷;袁一方;;神經(jīng)網(wǎng)絡(luò)指紋特征點匹配算法的改進(jìn)[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

7 謝小良;符卓;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的單周期船舶調(diào)度模型及算法[A];2008年全國開放式分布與并行計算機(jī)學(xué)術(shù)會議論文集(下冊)[C];2008年

8 陳意;;神經(jīng)網(wǎng)絡(luò)在船舶識別一個應(yīng)用[A];船舶航泊安全的新經(jīng)驗新技術(shù)論文集（上冊）[C];2007年

9 王輝;楊杰;黎明;蔡念;;一種基于神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原方法[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

10 賈睿;徐啟強;劉艷;;基于神經(jīng)網(wǎng)絡(luò)的網(wǎng)殼結(jié)構(gòu)近似分析研究[A];第二十一屆全國振動與噪聲高技術(shù)及應(yīng)用學(xué)術(shù)會議論文集[C];2008年

相關(guān)重要報紙文章 前1條

1 中國科技大學(xué)計算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機(jī)世界;2003年

相關(guān)博士學(xué)位論文 前10條

1 李曉剛;基于神經(jīng)網(wǎng)絡(luò)的碼垛機(jī)器人視覺位姿測量及伺服控制研究[D];北京林業(yè)大學(xué);2015年

2 戶保田;基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

3 沈旭;基于序列深度學(xué)習(xí)的視頻分析：建模表達(dá)與應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2017年

4 諸勇;正交回歸神經(jīng)網(wǎng)絡(luò)及其在控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);1998年

5 田景文;地下油藏的仿真與預(yù)測[D];哈爾濱工程大學(xué);2001年

6 彭宏京;基于稀疏RAM的神經(jīng)網(wǎng)絡(luò)及其人臉識別應(yīng)用研究[D];南京航空航天大學(xué);2002年

7 王吉權(quán);BP神經(jīng)網(wǎng)絡(luò)的理論及其在農(nóng)業(yè)機(jī)械化中的應(yīng)用研究[D];沈陽農(nóng)業(yè)大學(xué);2011年

8 王鑫;基于表示學(xué)習(xí)的情感分析關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2017年

9 郭海湘;石油儲層縱向預(yù)測軟硬計算融合的理論與方法研究[D];中國地質(zhì)大學(xué);2008年

10 葛利;基于過程神經(jīng)網(wǎng)絡(luò)的時序數(shù)據(jù)挖掘研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

2 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

3 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

4 汪濟(jì)民;基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測和性別識別研究[D];南京理工大學(xué);2015年

5 彭玲玲;基于不確定理論與機(jī)器學(xué)習(xí)的行人檢測[D];長安大學(xué);2015年

6 楊陳東;BP-Fisher判別分析法[D];長安大學(xué);2015年

7 孟鑫;基于Hadoop云平臺下的客流量預(yù)測研究[D];長安大學(xué);2015年

8 張勇;深度卷積神經(jīng)網(wǎng)絡(luò)在車牌和人臉檢測領(lǐng)域的應(yīng)用研究[D];鄭州大學(xué);2015年

9 宋璐璐;財經(jīng)職業(yè)技術(shù)學(xué)院票務(wù)管理系統(tǒng)的設(shè)計與實現(xiàn)[D];西安工業(yè)大學(xué);2015年

10 陳銳浩;基于神經(jīng)網(wǎng)絡(luò)的口令屬性分析工具開發(fā)[D];上海交通大學(xué);2015年

，

本文編號：2098747