摘要
自动驾驶已经成为了现代社会热门的研究方向之一,其高度集成半导体产业和人工智能产业最新研究的特性使得它成为当下最前沿的应用领域,但是由于算法对于大量标注数据的需求和对算法识别精度的要求日益增长,依赖于人工标注的真实数据进行算法的优化和落地越来越困难.本文采用双分支的网络结构构建卷积神经网络,并进一步使用动态适应的优化方案对网络的鲁棒性进行增强.通过使用交叉指导学习的方法对网络进行更新,提高了测试指标和整体算法性能.一系列实验结果表明:提出的改进方法相比于现有的方法具有更好的性能,在由真实行驶场景构建的数据集Cityscape上验证了本文方法的有效性,与现有方法相比预测准确率更高.
维普
万方数据