CN117115770B 一种基于卷积神经网络和注意力机制的自动驾驶方法 （重庆邮电大学）_第1页
CN117115770B 一种基于卷积神经网络和注意力机制的自动驾驶方法 （重庆邮电大学）_第2页
CN117115770B 一种基于卷积神经网络和注意力机制的自动驾驶方法 （重庆邮电大学）_第3页
CN117115770B 一种基于卷积神经网络和注意力机制的自动驾驶方法 （重庆邮电大学）_第4页
CN117115770B 一种基于卷积神经网络和注意力机制的自动驾驶方法 （重庆邮电大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于卷积神经网络和注意力机制的自种基于卷积神经网络和注意力机制的自动驾驶标的感知能力，提高检测和识别的精度和鲁棒2S2、将训练集中的数据输入到基于注意力机测图；基于注意力机制的语义分割网络采用Encoder_Decoder结构，包括Encoder模块和基于双重注意力机制的特征提取网络包括初始化模块、四个残差X,＝Scale(X)＝X*HardSigmoid(W2*Rel混合域注意力机制对特征图进行处理包括：将特征图输入到改进的通道注意力模块S5：将验证集输入到自动驾驶模型中进行验证，2.根据权利要求1所述的一种基于卷积神经网络和注意力机制的自动驾驶方法，其特样层对高级特征图进行双线性插值上采样；将降维后的特征图和采样后的特征图进行拼3.根据权利要求1所述的一种基于卷积神经网络和注意力机制的自动驾驶方法，其特3加强特征提取双塔模块以及三个RepConv层；基于注意力机制的目标检测网络对特征图进4.根据权利要求3所述的一种基于卷积神经网络和注意力机制的自动驾驶方法，其特经过一次3*3卷积和改进的ELAN特征提取单元进行特征提取，输入图像每经过一轮三次卷5.根据权利要求3所述的一种基于卷积神经网络和注意力机制的自动驾驶方法，其特的特征金字塔每一个层级为一个不同尺度的6.根据权利要求1所述的一种基于卷积神经网络和注意力机制的自动驾驶方法，其特4征提取网络提取出有效的特征信息，从而导致分割精度降低。又比如用于目标检测的型包括基于注意力机制的语义分割网络和基于注意力机制的5[0012]本发明在传统的语义分割网络模型(deeplabv3plus)和目标检测网络模型6次全连接再用Relu激活函数进行激活，然后再用一次全连接和HardSigmoid激活函数进行7′中采集到的低质量图像数据，更换为全局最大池化是因为其对边缘和细节特征更为敏感，′′型仍然采用Encoder_Decoder结构作为主体框架。Encoder部分是本网络模型创新的重点，8后的通道注意力模块进行挤压和激励操作，那么每个小的特征图都赋予了通道上的权重，[0056]步骤3：输出预测结果；之后会输出三个加强过的有效特征图，再分别经过一次[0057]对特征提取网络进行优化为基于可变形卷积和通道注意力机该特征提取网络是在原网络结构上引进了可变形卷积和前文提到的改进的通道注意力模9经过一次3*3卷积和改进的ELAN特征提取单元进行特征提取，输入图像每经过一轮三次卷[0064]模型的损失函数由基于注意力机制的语义分割网络损失函数和基于注意力机制[0067]其中Lcross代表交叉熵损失函数，当语义分割平台使用Softm

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论