![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自动驾驶
文章平均质量分 90
哥廷根数学学派
在读博士
主要研究 现代信号处理,机器学习,深度学习,智能故障诊断
展开
-
关于智能空气动力学
关于智能空气动力学原创 2023-10-06 12:10:45 · 277 阅读 · 0 评论 -
【无标题】
在本文中,使用MATLAB的计算机视觉工具箱中的trainFasterRCNNObjectDetector函数来训练一个车辆检测器,主要包括以下部分:加载数据集设计卷积神经网络 (CNN)设置训练选项训练Faster R-CNN目标检测器评估训练好的目标检测器原创 2022-10-09 09:38:15 · 795 阅读 · 0 评论 -
自动驾驶之-MATLAB环境下基于深度学习的目标检测(停车标志检测)
本文简要讲解如何使用深度学习(R-CNN网络)来训练一个停车标志检测器。R-CNN是一种目标检测框架,使用卷积神经网络(CNN)对图像中的区域进行分类。R-CNN 目标检测器不使用滑动窗口对每个区域进行分类,而是仅处理可能包含目标的区域,因此降低了CNN 的计算成本。为了说明如何训练 R-CNN 停车标志检测器,本文使用迁移学习方法,因此预训练的网络已经学习到了丰富的图像特征,只需要对权重进行小幅调整来微调网络。原创 2022-10-09 09:33:31 · 2011 阅读 · 0 评论 -
自动驾驶之-MATLAB环境下基于深度学习的语义分割
本文简单讲解如何使用深度学习网络进行语义分割。语义分割网络对图像中的每个像素进行分类,从而生成按类别分割的图像,本文将语义分割应用于自动驾驶的道路分割。为了说明训练过程,本文训练一个SegNet网络,这是一种用于图像语义分割的卷积神经网络 (CNN)。其他类型的语义分割网络包括全卷积网络(FCN)和U-Net等等。本文使用剑桥大学的CamVid 数据集进行训练,数据集包括驾驶时获得的街道视图图像,为32个语义类(包括汽车、行人和道路)提供像素级标签。同时还使用VGG-16网络的权重初始化SegN原创 2022-10-08 23:07:49 · 1791 阅读 · 0 评论 -
自动驾驶之-MATLAB环境下利用单目摄像头和语义分割创建占位栅格(occupancy grid)
本文简单讲解如何使用深度学习语义分割估计车辆可行驶区域(free space),并创建占位栅格(occupancy grid),然后使用占位栅格创建车辆代价图(vehicle costmap),代码运行环境为MATLAB R2018a。原创 2022-10-07 22:58:20 · 1536 阅读 · 0 评论