掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
面向自主駕駛場景感知的循環神經架構 版權信息
- ISBN：9787118127836
- 條形碼：9787118127836 ; 978-7-118-12783-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
面向自主駕駛場景感知的循環神經架構 內容簡介
本書針對場景感知中的動態場景預測、多目標檢測和多目標跟蹤這三個關鍵任務，分別提出了三種不同的深度學習架構，在保證場景感知性能良好的同時，為解決了上述問題，并進一步提高自主駕駛對場景的適應性，本書也對局部路徑規劃算法進行了深入研究。
面向自主駕駛場景感知的循環神經架構 目錄
第1章 緒論
1．1 研究背景
1．1．1 自主駕駛
1．1．2 自主駕駛場景感知
1．1．3 面向自主駕駛場景感知的深度學習
1．2 研究內容
1．3 國內外的研究現狀
1．3．1 動態場景預測
1．3．2 多目標檢測
1．3．3 多目標跟蹤
1．3．4 局部路徑規劃
1．4 展望
第2章 面向動態場景預測的張量式循環神經網絡
2．1 引言
2．2 方法
2．2．1 張量化隱狀態
2．2．2 合并深度計算
2．2．3 擴展為LSTM
2．2．4 處理結構化輸入
2．3 實驗
2．3．1 任務1：文本生成
2．3．2 任務2：文本計算
2．3．3 任務3：圖像分類
2．3．4 任務4：動態場景預測
2．3．5 記憶單元的可視化
2．4 相關工作
2．4．1 卷積LsTM
2．4．2 深度LSTM
2．4．3 其他并行化方法
2．5 本章小結
第3章 面向無監督多目標檢測的記憶式循環注意力網絡
3．1 引言
3．2 無監督多目標檢測：通過渲染進行檢測
3．2．1 概述
3．2．2 特征提取器
3．2．3 循環目標檢測器
3．2．4 渲染器
3．2．5 損失
3．3 記憶式循環注意力網絡
3．4 實驗
3．4．1 Sprites數據集
3．4．2 DukeMTMC數據集
3．4．3 TUD數據集
3．4．4 UMOD-MRAN數據集的可視化
3．5 相關工作
3．6 本章小結
第4章 面向無監督多目標跟蹤的重優先化循環注意力網絡
4．1 引言
4．2 通過生成動畫進行跟蹤
4．2．1 概述
4．2．2 特征提取器
4．2．3 跟蹤器陣列
4．2．4 渲染器
4．2．5 損失
4．3 重優先化注意式跟蹤
4．3．1 使用注意力
4．3．2 將輸入作為記憶
4．3．3 重優先化跟蹤器
4．3．4 使用自適應計算時間
4．4 實驗
……
第5章 基于雙過程理論的分層局部路徑規劃
參考文獻
附錄A 面向動態場景預測的張量式循環神經網絡
附錄B 面向無監督多目標檢測的記憶式循環注意力網絡
附錄C 面向無監督多目標跟蹤的重優先化循環注意力網絡
1．1 研究背景
1．1．1 自主駕駛
1．1．2 自主駕駛場景感知
1．1．3 面向自主駕駛場景感知的深度學習
1．2 研究內容
1．3 國內外的研究現狀
1．3．1 動態場景預測
1．3．2 多目標檢測
1．3．3 多目標跟蹤
1．3．4 局部路徑規劃
1．4 展望
第2章 面向動態場景預測的張量式循環神經網絡
2．1 引言
2．2 方法
2．2．1 張量化隱狀態
2．2．2 合并深度計算
2．2．3 擴展為LSTM
2．2．4 處理結構化輸入
2．3 實驗
2．3．1 任務1：文本生成
2．3．2 任務2：文本計算
2．3．3 任務3：圖像分類
2．3．4 任務4：動態場景預測
2．3．5 記憶單元的可視化
2．4 相關工作
2．4．1 卷積LsTM
2．4．2 深度LSTM
2．4．3 其他并行化方法
2．5 本章小結
第3章 面向無監督多目標檢測的記憶式循環注意力網絡
3．1 引言
3．2 無監督多目標檢測：通過渲染進行檢測
3．2．1 概述
3．2．2 特征提取器
3．2．3 循環目標檢測器
3．2．4 渲染器
3．2．5 損失
3．3 記憶式循環注意力網絡
3．4 實驗
3．4．1 Sprites數據集
3．4．2 DukeMTMC數據集
3．4．3 TUD數據集
3．4．4 UMOD-MRAN數據集的可視化
3．5 相關工作
3．6 本章小結
第4章 面向無監督多目標跟蹤的重優先化循環注意力網絡
4．1 引言
4．2 通過生成動畫進行跟蹤
4．2．1 概述
4．2．2 特征提取器
4．2．3 跟蹤器陣列
4．2．4 渲染器
4．2．5 損失
4．3 重優先化注意式跟蹤
4．3．1 使用注意力
4．3．2 將輸入作為記憶
4．3．3 重優先化跟蹤器
4．3．4 使用自適應計算時間
4．4 實驗
……
第5章 基于雙過程理論的分層局部路徑規劃
參考文獻
附錄A 面向動態場景預測的張量式循環神經網絡
附錄B 面向無監督多目標檢測的記憶式循環注意力網絡
附錄C 面向無監督多目標跟蹤的重優先化循環注意力網絡
展開全部
書友推薦
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
回憶愛瑪儂
- >
巴金－再思錄
- >
【精裝繪本】畫給孩子的中國神話
- >
姑媽的寶刀
- >
月亮與六便士
- >
羅庸西南聯大授課錄
- >
二體千字文
本類暢銷
