公开(公告)号：CN111007719A

公开(公告)日：2020-04-14

申请号：CN201911102180.3

申请日：2019-11-12

Applicant: 杭州电子科技大学

Inventor： 余宙 ,  俞俊 ,  邵镇炜 ,  罗宇矗

IPC: G05B13/04

Abstract: 本发明公开了一种基于领域自适应神经网络的自动驾驶转向角度预测方法。本发明包括以下步骤：1、获取真实场景数据集和虚拟场景数据集，数据预处理。2、使用两个参数独立但结构相同的卷积神经网络提取语义特征。3、将特征向量输入转向角度预测网络和领域分类网络并建模一组对抗性的损失函数。4、模型训练，优化损失函数。5、保留语义特征提取网络和转向角度预测网络，对模型进行测试或应用。本发明提出用一种端到端的对抗性神经网络架构实现角度预测模型从虚拟环境数据集到真实环境数据集的领域自适应，并针对此神经网络架构设计了合适的损失函数和训练方法，提高了模型在多种真实驾驶场景下的准确性和泛化性。

公开(公告)号：CN111007719B

公开(公告)日：2022-08-05

申请号：CN201911102180.3

申请日：2019-11-12

Applicant: 杭州电子科技大学

Inventor： 余宙 ,  俞俊 ,  邵镇炜 ,  罗宇矗

IPC: G05B13/04

Abstract: 本发明公开了一种基于领域自适应神经网络的自动驾驶转向角度预测方法。本发明包括以下步骤：1、获取真实场景数据集和虚拟场景数据集，数据预处理。2、使用两个参数独立但结构相同的卷积神经网络提取语义特征。3、将特征向量输入转向角度预测网络和领域分类网络并建模一组对抗性的损失函数。4、模型训练，优化损失函数。5、保留语义特征提取网络和转向角度预测网络，对模型进行测试或应用。本发明提出用一种端到端的对抗性神经网络架构实现角度预测模型从虚拟环境数据集到真实环境数据集的领域自适应，并针对此神经网络架构设计了合适的损失函数和训练方法，提高了模型在多种真实驾驶场景下的准确性和泛化性。