典型文献
面向自动驾驶数据生成的风格迁移网络研究
文献摘要：
自动驾驶数据集的丰富性是保证基于深度学习的自动驾驶算法鲁棒性和可靠性的关键.当前的自动驾驶数据集在夜晚场景和各类气候、天气条件下的数据量仍十分有限,为满足无人驾驶领域的应用需求,本文中构建了风格迁移网络,可将当前自动驾驶数据集转换为夜晚、雪天等多种形式.该网络采用单编码器-双解码器结构,综合语义分割网络、跳跃连接和多尺度鉴别器等多种手段用于提高图像的生成质量,生成的图像具有良好的视觉效果.用真实数据训练deeplabv3+语义分割网络来评价生成图像的结果表明,本文采用的网络生成图像的平均交并比比基于双编码-双解码结构的两种网络(AugGAN和UNIT)分别提升了2.50％和4.41％.
文献关键词：
生成式对抗网络;风格迁移;深度学习;自动驾驶
中图分类号：
作者姓名：
王大方;杜京东;曹江;张梅;赵刚
作者机构：
哈尔滨工业大学(威海)汽车工程学院,威海 264209;32184部队,北京 100072
文献出处：
引用格式：
[1]王大方;杜京东;曹江;张梅;赵刚-.面向自动驾驶数据生成的风格迁移网络研究)[J].汽车工程,2022(05):684-690,721
A类：
deeplabv3+,AugGAN
B类：
自动驾驶,数据生成,风格迁移,丰富性,夜晚,晚场,天气条件,数据量,无人驾驶,应用需求,雪天,多种形式,编码器,双解码器,综合语,语义分割网络,跳跃连接,鉴别器,多种手段,图像的生成,视觉效果,真实数据,数据训练,成图,平均交并比,比比,比基,UNIT,生成式对抗网络
AB值：
0.374912
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。
