原创力文档- 1、本文档共9页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
?
?
基于Resnet-101深度学习网络的路面类型识别研究
?
?
叶向阳毛传龙王海升袁世龙
摘要：近年来，智能驾驶汽车已成为智能工业时代较有前景的发展方向，而作为智能车的关键技术的重要组成部分及重要研究方向之一，环境感知能为智能汽车的加速度控制、轨迹控制、燃油经济性的改善、安全性和舒适性的提高等方面提供重要依据。到目前为止，相较于由人工算法来提取的HOG、LBP等特征，深度学习能够提取到较为丰富的非人工提取的特征。本文基于迁移学习，通过Resnet-101深度学习网络实现对路面类型进行识别，训练所得的模型对本文给出的四种路面类型的识别准确率可达98.33%，相较于使用此前较为常用的Alexnet、GoogLenet等网络有着较为明显的提升，在相同的迭代次数的条件下，Resnet-101的准确率较高，且在道路实车试验中取得了良好的表现。
关键词：迁移学习卷积神经网络路面类型识别
ResearchonRoadTerrainRecognitionbasedonResnet-101DeepLearningNetwork
YeXiangyangMaoChuanlongWangHaishengYuanShilong
Abstract：Inrecentyears，intelligentvehiclehasbecomeamorepromisingdevelopmentdirectionintheeraofintelligentindustry.Asanimportantcomponentofthekeytechnologyofintelligentvehicleandoneoftheimportantresearchdirections，environmentperceptioncanprovideimportantbasisfor?accelerationcontrol，trajectorycontrol，improvementoffueleconomy，improvementofsafetyandcomfortofintelligentvehicle.Uptonow，comparedwithHOG，LBPandotherfeaturesextractedbyartificialalgorithms，depthlearningcanextractmoreabundantnon-artificialfeatures.Basedontransferlearning，thispaperrealizestherecognitionofroadsurfacetypesthroughResnet-101deeplearningnetwork.Therecognitionaccuracyofthefourroadsurfacetypesgiveninthispapercanreach98.33%withthetrainingmodel.ComparedwithAlexnetandGoogLenet，whicharecommonlyusedbefore，thismodelhasamoreobviousimprovement.Undertheconditionofthesamenumberofiterations，theaccuracyofResnet-101ishigher，andithasachievedgoodperformanceintheroadtest.
Keywords：transferlearning，convolutionalneuralnetworks，roadterrainrecognition
1前言
隨着智能车领域的逐渐发展，环境感知技术作为车辆行驶时决策控制以及路径规划的依据。而路面类型识别作为环境感知技术的一项重要指标，也逐渐引起了该领域学者的重视。在车辆行驶时，实时识别所在路面的类型，可以高效地帮助车辆提高行驶时的安全性、舒适性以及燃油经济性，同时也能为智能车决策控制以及路径规划提供重要依据，如文献[1]中依据路面类型的识别调整相应的悬架控制策略。
早在2005年，文献[2]便提出了基于破损密度因子特征的五种破损路面程度的识别方法。在此之后，文献[3]提出了基于车轮振动信号的路面类型识别方法;文献[4]提出了基于激光雷达信号的路面类型识
文档评论（0）