文档介绍：卷积神经网络在ADAS中的应用该论文来源于网络,本站转载的论文均是优质论文,供学习和研究使用,文中立场与本网站无关,版权和著作权归原作者所有,如有不愿意被转载的情况,请通知我们删除已转载的信息,如果需要分享,请保留本段说明。摘要:针对原有卷积神经网络(N)算法耗时长,即时性差的缺点提出了一种应用在高级驾驶辅助系统(AdvancedDrivingAssistantSystem,ADAS)领域的网络,较诸原有的网络,其达到了较快的运行速度,适用于ADAS这样对FPS要求高的领域。同时使用YOLO算法得到目标在图像中的位置,从而得以实施避障、跟车、变道等后续操作。50结合的网络相比每秒帧数(FramesPerSecond,FPS)%。結果表明,该方法解决了原有网络检测耗时的缺点,具有一定的泛化能力。关键词:卷积神经网络YOLOADAS目标检测中图分类号:P618文献标识码:A文章编号:1672-3791(2020)01(c)-0004-04 Abstract:AnetworkinthefieldofAdvancedDrivingAssistantSystem(ADAS)hasbeingputforward,aimingatthetime-work,itreachafasterspeed,,YOLOalgorithmisusedtogetthelocationofthetargetintheimage,soastoimplementsubsequentoperationssuchasobstacleavoidance,carfollowing,50,theFramesPerSecond(FPS)%.Theresultillustratesthatthismethodsolvestheproblemoftimeconsumingandhastheabilityofgeneralization. KeyWords:works;YOLO;ADAS;TargetDetection 美国早在20世纪80年代即已展开对ADAS领域的研究,并于1990年开发出Navlab-5[1],在2007年举办所举办的UrbanChallenge[2]亦为ADAS领域里程碑式的大赛,该赛事完全模拟城市交通情况。欧洲于20世纪80年代所展开的普罗米修斯计划[3]同样汇聚了一批高校人才。国内的相关研究几乎与欧美国家同时开始,2013年之后我国相关产业发展迅速,包括广汽、比亚迪在内的一众汽车厂商均开始此类研究,甚至乐视、小米等科技公司亦在此列。由此可见,ADAS领域具有巨大的商业价值和研究价值。 1卷积神经网络简介 N)[4],[5]N便成为了计算机视觉的主要技术手段之一,与传统的神经网络(如BP神经网络、RBF神经网络)和分类算法(如SVM)相比,能更好、更快地提取目标特征,在识别准确率和运算速度方面均能满足ADAS的需求。目前已有许多成熟的深度学习网络,[6],专注于网络可视化,使CNN有了更强的理论依据,但对于精度与运行时间并无很大提高,Simonyan等人提出VGG[7],其在迁移学习上表现优