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。 (英文) 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:最近深度学习(DL)架构在语义分割方面的应用导致了自动驾驶系统(ADS)的重大发展。大多数ADS的语义分割应用程序考虑了过多的类。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,旨在寻找不同DL体系结构中的非支配解。使用CityScapes、SYNTHIA和CamVid数据集显示了数值结果。关于整个系列,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;道路检测 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