辛西娅·奥维拉；吉西奥·鲁比奥；奥斯卡蒙蒂尔 基于深度学习的自动驾驶系统语义分割的多目标评估。 （英语） Zbl 07392064号 Castillo，Oscar（编辑）等人，《神经和优化算法中的直觉和2型模糊逻辑增强：理论和应用》。查姆：斯普林格。螺柱计算。智力。862, 299-311 (2020). 摘要：深度学习（DL）体系结构在语义分割方面的最新应用导致了自主驾驶系统（ADS）的显著发展。ADS的大多数语义分割应用程序都考虑过多的类。然而，我们相信，只关注可行驶道路、人行道、交通标志和汽车的细分，可以推动自动车辆导航和控制技术的改进。在本研究中，对一些最先进的拓扑进行了分析，以找到一种策略，该策略可以实现四类的统一性能。我们提出了一种多目标评估方法，目的是在不同的DL架构中找到非主导的解决方案。数值结果使用CityScapes、SYNTHIA和CamVid数据集显示。有关整个系列，请参见[Zbl 1465.68014号]. MSC公司： 68层37 人工智能背景下的不确定性推理 关键词：语义分割；深度学习；自动驾驶车辆；道路探测 PDF格式BibTeX公司 XML格式引用 \textit{C.Olvera}等人，研究计算。智力。862、299--311（2020；Zbl 07392064） 全文： 内政部