典型文献
基于DD-CycleGAN的道路检测模型研究
文献摘要：
道路检测对于辅助驾驶而言仍具有挑战性.为了获得更准确的道路检测结果,提出一种结合深度学习与自适应检测的道路检测模型,该模型可以有效地提取道路特征并完成道路检测任务.首先,采用双判别器周期一致的生成对抗网络(DD-CycleGAN)作为全文的基础框架网络.其次,在生成器中添加空间卷积神经网络(CNN)以及残差密集块,进一步提升生成器的性能.最后,提出一种自适应的优化模型来提高道路检测的准确度.实验结果表明:提出的模型在KITTI道路基准数据集上精度达到了92.15％,明显优于传统的道路检测算法.
文献关键词：
道路检测;双判别器周期一致的生成对抗网络;残差密集块;空间卷积神经网络
中图分类号：
作者姓名：
王怀章;蔡立志;张娟
作者机构：
上海工程技术大学电子电气工程学院,上海201620;上海计算机软件技术开发中心,上海201112
文献出处：
引用格式：
[1]王怀章;蔡立志;张娟-.基于DD-CycleGAN的道路检测模型研究)[J].传感器与微系统,2022(10):47-50,54
A类：
双判别器周期一致的生成对抗网络
B类：
DD,CycleGAN,检测模型,辅助驾驶,自适应检测,取道,基础框架,生成器,空间卷积神经网络,残差密集块,KITTI,路基,基准数据集,道路检测算法
AB值：
0.181715
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。
