GAN在自动驾驶数据集生成方面的应用

论文摘要

随着传感器技术、人工智能技术等技术的突破,无人驾驶技术得到了空前的发展。自动驾驶汽车期望通过多传感器的目标检测达到全方位的环境感知。其中视觉传感器作为最贴近真实人类感知的传感器,更加成为了自动驾驶汽车需要克服的技术重难点。目前,由于安全问题,处于试验阶段的自动驾驶汽车无法在真实道路上采集大量复杂路况照片,而最新的神经网络算法需要大量的数据集才能得到可靠性较高的参数。除此以外,自动驾驶汽车在视觉方面还需要大量特殊复杂视觉死区的图像数据,这类数据难以获得且数量极少。提出一种基于生成对抗网络来生成大量真实道路图片,丰富自动驾驶汽车图像数据库,并且增加道路图像的情景多样性和全面性。采用KITTI数据集进行实验验证,生成对抗网络能够很好地生成与真实道路相似的图像。

论文目录

• 0 引言
• 1 DCGAN算法原理简述
•   1.1 DCGAN的数学原理
•   1.2 DCGAN的结构实现
• 2 基于自动驾驶数据集实验验证
•   2.1 实验数据集的选取
•   2.2 实验平台的搭建与训练
• 3 结果分析
•   3.1 实验结果分析
•   3.2 自动驾驶DCGAN生成图像模糊及解决方法

文章来源

类型: 期刊论文

作者: 田凯茜

关键词: 自动驾驶,生成对抗网络,图像处理

来源: 技术与市场 2019年11期

年度: 2019

分类: 经济与管理科学,工程科技Ⅱ辑,信息科技

专业: 汽车工业,计算机软件及计算机应用

单位: 西北工业大学自动化学院

分类号: TP391.41;U463.6

页码: 30-31

总页数: 2

文件大小: 499K

下载量: 267