论文摘要
地表分类技术对地面无人驾驶车辆的感知能力有着重要影响。而针对传统卷积神经网络CNN(Convolutional Neural Networks)地表分类效果不佳的问题,本文提出一种结合多通道深度学习和随机森林的地表分类算法。算法先通过图像计算得到人工设计的特征LBP;再采用多通道融合技术,将原彩色图像的RGB三通道和LBP通道加以融合形成融合图像;然后构建并预训练卷积神经网络,以此提取融合图像的关键特征信息;最后用随机森林分类器代替卷积神经网络输出层完成地表分类。实验结果表明,本文算法识别正确率达到98.56%,相比于传统卷积神经网络能取得更好的分类结果,具有一定的鲁棒能力。
论文目录
文章来源
类型: 期刊论文
作者: 何银银,赖水长,侯建赭,凌杰强
关键词: 卷积神经网络,多通道融合,地表分类,随机森林,特征
来源: 软件 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 汽车工业,计算机软件及计算机应用,自动化技术
单位: 南京理工大学计算机科学与工程学院
基金: 江苏省大学生创新创业训练计划项目经费资助(项目编号：201810288028X),南京理工大学本科生科研训练“百千万”计划
分类号: U463.6;TP391.41;TP18
页码: 114-118
总页数: 5
文件大小: 1619K
下载量: 108