深度学习在无人驾驶汽车目标检测与跟踪中的应用

当前,无人驾驶汽车是人工智能和智能交通领域的重要研究方向,其中环境感知能力是无人驾驶系统的核心。针对无人驾驶汽车目标检测与跟踪面临的挑战,该文提出一种基于双路多尺度卷积神经网络和长短期记忆网络的深度学习算法,该算法通过协同提取图像局部细节特征和全局语义特征,结合多尺度特征融合、锚框机制和时序信息建模,可有效提高目标检测与跟踪的精度、实时性和鲁棒性。在KITTI数据集上的试验结果表明,该算法具备较好的性能,在无人驾驶环境感知中有广阔的应用前景。