基于图像的变道决策端到端学习
计算机视觉与模式识别
2017-06-27 v1
摘要
我们提出了一种基于图像的端到端学习框架，旨在辅助人类驾驶员和自动驾驶车辆的变道决策。所提出的系统——安全变道辅助网络 (SLCAN)，训练一个深度卷积神经网络，利用安装在车辆两侧的摄像头获取的后视图像来分类相邻车道的状态。SLCAN 不依赖任何显式的目标检测或跟踪方案，而是读取整个输入图像并直接判断当前时刻发起变道是否安全。我们收集并标注了 77,273 张后侧视图像用于训练和测试 SLCAN。实验结果表明，尽管测试图像来自未见过的道路，该框架仍实现了 96.98% 的分类准确率。我们还可视化了显著性图，以理解 SLCAN 为做出正确决策关注图像的哪些部分。
引用
@article{arxiv.1706.08211,
title = {End-to-end Learning of Image based Lane-Change Decision},
author = {Seong-Gyun Jeong and Jiwon Kim and Sujung Kim and Jaesik Min},
journal= {arXiv preprint arXiv:1706.08211},
year = {2017}
}