典型文献
基于神经网络的车辅系统障碍物识别技术研究
文献摘要：
针对因雾霾、夜间等视线不佳环境下难以识别行人、车辆、涵洞和隧道等各类障碍物的难题,提出了一种基于神经网络的车辅系统障碍物识别技术.第1步进行深度神经网络设计,首先应用了单步目标检测算法框架进行算法设计,然后通过多尺度预测解决热源体目标尺寸差异问题,最后进行目标位置回归估计.第2步进行覆盖目标的全部特征训练数据集制备.第3步进行网络训练和推理、模型迁移.第4步针对嵌入式的平台进行神经网络模型轻量化设计,解决量化误差并实现计算精度,实现驾驶人员在雾霾、夜间等环境下对路况障碍物准确识别并清晰显示告警.通过实际测试,该方法提升了在雾霾、夜间等环境下路况障碍物识别的准确性和实时性,保障了驾驶安全.
文献关键词：
深度神经网络;数据集;网络训练;模型迁移;轻量化;推理
中图分类号：
作者姓名：
张崟;杨波
作者机构：
中国电子科技集团公司第二十八研究所,江苏南京210007
文献出处：
引用格式：
[1]张崟;杨波-.基于神经网络的车辅系统障碍物识别技术研究)[J].新技术新工艺,2022(08):40-44
A类：
辅系
B类：
障碍物识别,识别技术研究,雾霾,视线,涵洞,深度神经网络,网络设计,单步,目标检测算法,检测算法框架,算法设计,多尺度预测,热源,标尺,目标位置,位置回归,回归估计,覆盖目标,训练数据集,网络训练,模型迁移,模型轻量化,轻量化设计,量化误差,计算精度,驾驶人员,路况,准确识别,告警,实际测试,驾驶安全
AB值：
0.417322
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。
