基于深度卷积神经网络的场景自适应道路分割算法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：现有基于机器学习的道路分割方法存在当训练样本和目标场景样本分布不匹配时检测效果下降显著的缺陷。针对该问题，该文提出一种基于深度卷积网络和自编码器的场景自适应道路分割算法。首先，采用较为经典的基于慢特征分析（SFA）和GentleBoost的方法，实现了带标签置信度样本的在线选取；其次，利用深度卷积神经网络（DCNN）深度结构的特征自动抽取能力，辅以特征自编码器对源-目标场景下特征相似度度量，提出了一种采用复合深度结构的场景自适应分类器模型并设计了训练方法。在KITTI测试库的测试结果表明，所提算法较现有非场景自适应道路分割算法具有较大的优越性，在检测率上平均提升约4.5%。

原文链接:http://www.cqvip.com//QK/91130A/201702/671162664.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：神经网络 神经网 Gentle cqvip boost 道路分割 场景自适应 深度卷积神经网络 复合深度结构 自编码器