La inteligencia automovilística se ha convertido en una tendencia revolucionaria en la tecnología del automóvil. Las complejas condiciones de la carretera afectan directamente a la seguridad y el confort de la conducción. Por lo tanto, al mejorar la precisión de reconocimiento del tipo de carretera o del coeficiente de adherencia de la carretera, se mejorará la capacidad de los vehículos para percibir el entorno circundante. Esto contribuirá aún más a la inteligencia de los vehículos. En este trabajo, considerando que el proceso de extracción manual de las características de la imagen es complicado y que el método de extracción es aleatorio para todos, se propone un método de identificación del estado de la superficie de la carretera basado en un modelo ALexNet mejorado, a saber, el modelo de reconocimiento de la superficie de la carretera (RSRM). En primer lugar, el modelo de red ALexNet se entrena previamente en el conjunto de datos ImageNet sin conexión. En segundo lugar, los pesos de la estructura de red superficial tras el entrenamiento, incluida la capa convolucional, se guardan y migran al modelo propuesto. Además, la capa totalmente conectada fijada a la red superficial se sustituye por 2 a 3, lo que mejora la precisión del entrenamiento y acorta el tiempo de entrenamiento. Por último, se comparan el aprendizaje automático tradicional y el modelo ALexNet mejorado, centrándose en la adaptabilidad, el resultado de la predicción y el rendimiento del error, entre otros. Los resultados muestran que la precisión del modelo propuesto es mejor que la del método de aprendizaje automático tradicional en un 10
y el modelo ALexNet en un 3%, y es 0,3 h más rápido que ALexNet en velocidad de entrenamiento. Se comprueba que RSRM mejora eficazmente la velocidad de entrenamiento de la red y la precisión del reconocimiento de imágenes de carretera.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Sistema inteligente de gestión del tráfico basado en el Internet de los Vehículos (IoV)
Artículo:
Modelo de supervivencia del tiempo de reducción de velocidad de los conductores en cruces de bicicletas: Un estudio con simulador de conducción
Artículo:
Extracción del origen-destino con datos de la trayectoria del vehículo y aplicación a la medición coordinada de rampas
Artículo:
Revisión sobre reciclaje de baterías de iones de litio en la economía circular
Artículo:
Procedimiento de aterrizaje automático basado en el efecto Doppler para UAV en entornos de difícil acceso
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.