典型文献
行车障碍识别算法的精度提升方法
文献摘要：
自动驾驶技术中,行车过程中的障碍物识别是技术难点.目前基于机器视觉识别的技术中,以YOLO算法与Faster-RCNN算法最为著名.YOLO算法的识别速度快,但是识别的准确率不够高;Faster-RCNN算法的识别准确率高,但是识别速度慢.两者均不满足当前汽车自动驾驶的工程需求.提出了一种融合了元学习Reptile算法与知识蒸馏技术的训练方法来训练YOLOv4算法,在保证YOLOv4算法速度的同时提升算法精度.
文献关键词：
YOLOv4算法;目标检测;视觉识别;自动驾驶
中图分类号：
作者姓名：
余颖舜;李成瑶;潘长开
作者机构：
佛山职业技术学院,广东佛山528137
文献出处：
引用格式：
[1]余颖舜;李成瑶;潘长开-.行车障碍识别算法的精度提升方法)[J].汽车与新动力,2022(06):48-50
A类：
Reptile
B类：
障碍识别,识别算法,精度提升,提升方法,自动驾驶技术,障碍物识别,技术难点,机器视觉,视觉识别,Faster,RCNN,识别准确率,速度慢,汽车自动驾驶,工程需求,元学习,知识蒸馏,蒸馏技术,训练方法,YOLOv4,目标检测
AB值：
0.450599
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。
