10.16807/j.cnki.12-1372/e.2020.07.019
一种面向路口车辆行为识别的改进LSTM分类模型
针对传统LSTM分类模型对车辆直行等行为识别准确率不高的问题,提出一种改进LSTM分类模型.在改进模型中,首先把输入特征进行横向合并,再输入1个LSTM细胞.该模型可以充分利用输入信息,减少计算量,单个LSTM细胞模型具有较强的抗干扰能力、更好的分类效果以及更快的训练速度.实验表明,改进后的模型较改进前总体识别准确率提高1.6％,其中直行识别准确率提高2.04％,训练时间减少3.96 s,识别准确率和训练速度较改进前的模型均有所提升.
车辆行为识别、LSTM分类模型、运动轨迹预测
22
TP181(自动化基础理论)
国家自然科学基金;国家重点研发计划
2020-08-03（万方平台首次上网日期，不代表论文的发表时间）
共6页
83-88
