摘要
随着深度学习技术的发展,自动驾驶汽车对道路信息的检测变得至关重要.一个全面的检测系统需要车辆和道路的全方位信息,传统的道路巡检方式以及专用设备检测方式成本高昂,效率低下,严重制约了道路的维护和安全.目标检测和语义分割是实现车辆视觉感知的主要技术,但单一的任务检测不能满足复杂道路环境的需要.针对传统道路异常状态检测存在的高成本和低效率问题,提出了一种基于深度学习的智能化检测方法,构建了包含多种异常状态的数据集,并采用Faster RCNN目标检测算法以及半监督策略的生成对抗网络,实现了对道路异常状态的自动化检测和分割.
维普
万方数据