持续学习算法在车辆目标识别上的应用.pdfVIP

10.16638/ki.1671-7988.2023.015.013

持续学习算法在车辆目标识别上的应用

孙家辉，马骊溟

长安大学汽车学院，陕西西安710064）

摘要：自动驾驶汽车技术的日新月异，主要得益于深度学习和人工智能的进步。然而深度学

习模型大多是在静态同分布数据集上进行训练，无法随着时间而适应或扩展其行为。针对这

一问题，论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭建可以使得法流

畅运行的环境，选定目标识别的原始图像数据集；在分析现有评估指标的基础上，选取适合

于本次实验的评估指标，并采用卷积神经网络（CNN）、最接近类均值（NCM）、增量分类器

与特征表示（iCaRL）三种持续学习法对原始图像数据集进行学习训练与对比验证，通过实

验验证了应用iCaRL法使机器进行持续学习训练时，其精度和效率均优于其他两种方法。

针对智能驾驶目标识别图像数据集不完善这一问题，构建了一个新的图像数据集，包含车辆、

行人、交通标及信号灯，将iCaRL法应用于新建图像数据集进行研究，并在新建智能驾

驶图像数据集上进行了训练与测试。结果表明，采用iCaRL法能够较好地学习新建图像数

据集，不会因为环境的改变而使得其性能发生大幅变化，测试结果良好，证明该方法可以在

智能驾驶领域进行目标识别。

关键词：持续学习；iCaRL法；车辆目标识别；图像数据集

中图分类号：U27；TP39文献标识码：A文章编号：1671-7988(2023)15-73-09

ApplicationofContinuousLearningAlgorithminVehicleTargetRecognition

SUNJiahui,MALiming

(SchoolofAutomobile,ChanganUniversity,Xian710064,China)

Abstract:Advancesindeeplearningandartificialintelligencearethemaindriversofautonomous

vehicletechnology.However,mostofthedeeplearningmodelsaretrainedonthesamestatic-

distributeddatasetandtheirbehaviorscannotbeadaptdeorexpendedovertime.Tosolvethis

problem,thecontinuouslearningmodelisappliedinthefieldofvehicleobjectrecognition.Firstly,

anenvironmentisbuilttomakethealgorithmrunsmoothly,andtheoriginalimagedatasetoftarget

recognitionisselected.Onthebasisofanalyzingtheexistingevaluationindexes,theevaluation

indexessuitableforthisexperimentareselected,andconvolutionalneuralnetwork(CNN),nearest

classmean(NCM),incrementalclassifierandrepresentationlearning(iCaRL)threecont