科研之友
微信
新浪微博
Facebook
分享链接
摘要
保证正在执行任务的特种车辆的道路优先通行权,是合理配置城市交通资源、实施和保证应急救援的前提。特种车辆的跨模态识别是实现智慧交通的重要核心技术,尤其是在智能车联网尚未成熟、未来长期存在无人驾驶和有人驾驶混合交通的环境中,实现无人车对正在执行任务的特种车辆进行合理避让显得尤为重要。针对无人驾驶对特种车辆识别的需求,文中构建了跨模态检索与识别网络(Cross-Modal Retrieval and Recognition Net,CMR2Net),提出了一种基于深度学习的特种车辆跨模态检索和识别方法。CMR2Net由两个卷积子网络和一个特征融合网络组成,卷积子网络分别用于提取特种车的图像与音频特征,在高层语义空间中利用相似性度量的方法进行特征匹配,以达到跨模态检索和识别的目的。在特种车跨模态数据集上进行的跨模态识别实验表明,所提方法对跨模态检索和识别任务具有较高的识别率,甚至在缺失一种模态的场景下也可准确识别出特种车辆。本研究对于提升"城市大脑"的性能具有重要的理论指导意义,对设计、实现和改善未来智慧交通具有较高的工程应用价值。
- 单位
