首页|期刊简介|投稿指南|分类索引|刊文选读|订阅指南|资料|样刊邮寄查询|常见问题解答|联系我们
付浩龙,赵津,席阿行,等. 针对无人车转角输出的端对端方法[J]. 科学技术与工程, 2019, 19(36): 207-211.
付浩龙,et al.Research on End-to-end Learning Method for Angle Output of Autopilot Model[J].Science Technology and Engineering,2019,19(36):207-211.
针对无人车转角输出的端对端方法
Research on End-to-end Learning Method for Angle Output of Autopilot Model
投稿时间:2019-05-08  修订日期:2019-06-18
DOI:
中文关键词:  端对端学习 卷积神经网络(CNN) 数据均衡 图像剪切 图像尺寸变换 双边滤波
英文关键词:end-to-end  learning, convolutional  neural network (CNN), data  equalization, image  size transformation, bilateral  filtering
基金项目:黔科合支撑[2017]2027;黔科合平台人才[2017]5630;黔科合支撑[2018]2168.
           
作者单位
付浩龙 贵州大学 机械工程学院
赵津 贵州大学 机械工程学院
席阿行 贵州大学 机械工程学院
刘东杰 贵州大学 机械工程学院
摘要点击次数: 90
全文下载次数: 49
中文摘要:
      针对端对端学习过程中的数据不均衡、时间成本高、输出不够鲁棒等问题,通过数据均衡、图像尺寸变换及双边滤波对数据集进行优化,降低了卷积神经网络(CNN)模型输出的误差,此外使用固定区域的图像剪切与图像尺寸变换降低了模型训练的时间成本。分别对是否经过均衡与处理的数据集进行训练获得两种模型,首先将两种模型的输出与原始数据进行对比,此外对平均训练时间进行比较,最终在智能小车上进行了自动驾驶实验。证明所提出方法改善了端对端输出的鲁棒性、降低了模型训练的时间成本。
英文摘要:
      In order to solve the problems of data unbalance, high time cost and insufficient output robustness in the end-to-end learning process, the data set is optimized by data equalization, image size conversion and bilateral filtering. Besides these the error in output of the convolutional neural network(CNN) mode is reduced. In addition to, image clipping and image size conversion was used to reduce the time cost of model training. Two models are trained separately for the data set that whether has been equalized and processed. Firstly, the output of the two models was compared with the original data. Secondly, the average training time was compared. finally, the self-driving experiment was carried out in the smart car. It is proved that the method improves the robustness of end-to-end output and reduces the time cost of model training.
查看全文  查看/发表评论  下载PDF阅读器
关闭
你是第28813927位访问者
版权所有:科学技术与工程编辑部
主管:中国科学技术协会    主办:中国技术经济学会
Tel:(010)62118920 E-mail:stae@vip.163.com
京ICP备05035734号-4
技术支持:本系统由北京勤云科技发展有限公司设计

京公网安备 11010802029091号