Print

基于CNN的无人驾驶行人识别

论文摘要

无人驾驶中行人识别的精度是影响车辆安全的重要因素,传统的无人驾驶行人识别采用基于统计分类的方法,该方法在精度和灵活性上具有一定的缺陷。行人识别的根本是对图像的识别,卷积神经网络是一种针对图像分类、识别而发展的深度学习算法,其强大的图像分类识别能力被广泛应用在图像分类系统中,取得了不错的效果。因此,本文将卷积神经网络算法应用于无人驾驶行人识别中,前期使用PCA算法对图像数据进行降维,以减少卷积神经网络算法运算复杂度。本文采用KITTI数据集进行仿真,实验表明,基于神经网络的无人驾驶行人识别精度相对于其他统计分类算法精度高。

论文目录

  • 1 引言
  • 2 行人识别过程
  •   2.1 行人识别框架
  •   2.2 CNN实现过程
  • 3 行人识别算法
  •   3.1 主成分分析
  •   3.2 神经网络结构
  •     3.2.1 损失函数
  •     3.2.2 梯度下降
  • 4 具体实现效果
  •   4.1 数据来源
  •   4.2 性能评价及结果
  • 5 总结

    • 文章来源

    类型: 期刊论文

    作者: 张芝衔

    关键词: 无人驾驶,行人识别,卷积神经网络

    来源: 通讯世界 2019年05期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 汽车工业,计算机软件及计算机应用,自动化技术

    单位: 西安市曲江第一中学

    分类号: TP391.41;TP183;U463.6

    页码: 246-247

    总页数: 2

    文件大小: 357K

    下载量: 499

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/045af0be17c2ca2fe79a47cd.html