基于DD-CycleGAN的道路检测模型研究

作者：王怀章; 蔡立志; 张娟

来源：传感器与微系统, 2022, 41(10): 47-54.

DOI：10.13873/J.1000-9787(2022)10-0047-04

• 道路检测
• 双判别器周期一致的生成对抗网络
• 残差密集块
• 空间卷积神经网络

道路检测对于辅助驾驶而言仍具有挑战性。为了获得更准确的道路检测结果，提出一种结合深度学习与自适应检测的道路检测模型，该模型可以有效地提取道路特征并完成道路检测任务。首先，采用双判别器周期一致的生成对抗网络(DD-CycleGAN)作为全文的基础框架网络。其次，在生成器中添加空间卷积神经网络(CNN)以及残差密集块，进一步提升生成器的性能。最后，提出一种自适应的优化模型来提高道路检测的准确度。实验结果表明：提出的模型在KITTI道路基准数据集上精度达到了92.15%,明显优于传统的道路检测算法。

• 单位
  上海工程技术大学; 上海计算机软件技术开发中心