典型文献
用于自动驾驶汽车的深度学习技术介绍
文献摘要：
智能化是汽车的三大变革技术之一.深度学习(Deep Learning,DL)具有拟合能力优、表征能力强和适用范围广的特点,是进一步提升汽车智能性的重要途径.本文总结了用于自动驾驶汽车的深度学习技术,包括发展历史、主流算法以及感知、决策与控制技术应用.首先回顾深度学习的历史及现状,总结神经网络的"神经元-层-网络"三级结构,重点介绍卷积网络和循环网络的特点以及代表性模型.其次阐述以反向传播为核心的深度网络训练算法,列举用于深度学习的常用数据集与开源框架,概括网络计算平台和模型优化设计技术.最后讨论深度学习在自动驾驶汽车的环境感知、自主决策和运动控制三大方向的应用现状及其优缺点,具体包括物体检测和语义分割、分解式和端到端决策、汽车纵横向运动控制等,针对用于自动驾驶汽车的深度学习技术,指明了不同问题的适用方法以及关键问题的未来发展方向.
文献关键词：
智能汽车;神经网络;深度学习;环境感知;自主决策;运动控制
中图分类号：
作者姓名：
李升波;张航
作者机构：
清华大学车辆与运载学院,北京100084;天津农学院计算机与信息工程学院,天津300384
文献出处：
引用格式：
[1]李升波;张航-.用于自动驾驶汽车的深度学习技术介绍)[J].建设科技,2022(01):37-46
A类：
B类：
自动驾驶汽车,深度学习技术,三大变革,Deep,Learning,DL,表征能力,智能性,括发,流算法,决策与控制,三级结构,卷积网络,循环网络,反向传播,深度网络,网络训练,训练算法,举用,开源框架,计算平台,模型优化,设计技术,环境感知,自主决策,大方向,物体检测,语义分割,分解式,端到端决策,纵横向运动,横向运动控制,适用方法,智能汽车
AB值：
0.447629
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。
