当前位置: 首页 > 文章 > 基于改进深度学习的车辆道路场景识别 农业装备与车辆工程 2021 (10) 88-93
Position: Home > Articles > 基于改进深度学习的车辆道路场景识别 Agricultural Equipment & Vehicle Engineering 2021 (10) 88-93

基于改进深度学习的车辆道路场景识别

作  者:
徐洋;张旭
单  位:
上海工程技术大学机械与汽车工程学院
关键词:
车辆;场景识别;深度学习;激活函数设计;卷积神经网络;
摘  要:
为提高自动驾驶车辆对道路场景的识别效果,针对ReLU模型存在的神经元"坏死"问题,基于ReLU,结合Sigmoid模型提出了新的激活函数ReLU-Sigmoid。通过分析激活函数作用原理,给出激活函数设计要点并将Sigmoid和ReLU在x轴正、负半轴进行组合,优化了道路场景识别模型。在伯克利大学道路数据集上的实验表明,相比ReLU和LReLU模型,ReLU-Sigmoid模型有效提高了卷积神经网络对道路场景的识别准确率,从75.12%和67.15%提高到了83.70%,证明了算法可以提高深度学习模型对道路场景的识别性能并缓解神经元"坏死"现象,从而提高车辆对道路环境的感知能力。

相似文章

计量
文章访问数: 21
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊