面向自动驾驶车辆感知的深度学习模型比较分析
计算机视觉与模式识别
2025-12-29 v1 人工智能
机器学习
摘要
最近提出了大量机器学习 (ML) 和深度学习 (DL) 算法，以实现自动驾驶车辆 (AV) 的效率、安全性和可靠性。AVs使用感知系统来检测、定位和识别其他车辆、行人和路标，以执行安全的导航和决策。在本文中，我们比较了DL模型，包括YOLO-NAS和YOLOv8，用于基于检测的感知任务。我们捕获了自定义数据集，并使用自定义数据集实验两种DL模型。我们的分析显示，YOLOv8s模型在训练时间上节省了75%，而YOLO-NAS模型。此外，YOLOv8s模型 (83%) 在实现最高目标检测准确率方面超过YOLO-NAS模型 (81%)。这些这些新兴DL模型的比较分析将允许相关研究社区理解这些模型在真实世界应用情景下的性能。
引用
@article{arxiv.2512.21673,
title = {Comparative Analysis of Deep Learning Models for Perception in Autonomous Vehicles},
author = {Jalal Khan},
journal= {arXiv preprint arXiv:2512.21673},
year = {2025}
}
备注
6 pages, 3 figures