基于DropConnect卷积神经网络的行人识别方法研究

摘要

近年深度学习在各个模式识别领域均获得了优异表现,为进一步优化车辆辅助驾驶技术中的行人避让功能,将深度学习中的卷积神经网络运用到行人识别问题上,并在网络模型的分类器阶段运用DropConnect方法,把图像处理中原本应在隐含层到输出层阶段进行的一定概率的权值清空步骤,放到了输入层到隐含层阶段进行.文章设计了一个DropConnect卷积神经网络模型,在ETH行人数据集上进行实验,同未使用的网络模型相对比,本方法所获识别率更有优势.