基于深度學習的視野內狀況檢測方法研究

打開文本圖片集

摘要：隨著深度學習技術的發(fā)展，自動駕駛汽車對道路信息的檢測變得至關重要。一個全面的檢測系統(tǒng)需要車輛和道路的全方位信息，傳統(tǒng)的道路巡檢方式以及專用設備檢測方式成本高昂，效率低下，嚴重制約了道路的維護和安全。目標檢測和語義分割是實現(xiàn)車輛視覺感知的主要技術，但單一的任務檢測不能滿足復雜道路環(huán)境的需要。針對傳統(tǒng)道路異常狀態(tài)檢測存在的高成本和低效率問題，提出了一種基于深度學習的智能化檢測方法，構建了包含多種異常狀態(tài)的數(shù)據(jù)集，并采用Faster RCNN目標檢測算法以及半監(jiān)督策略的生成對抗網(wǎng)絡，實現(xiàn)了對道路異常狀態(tài)的自動化檢測和分割。（剩余5040字）