论文部分内容阅读
[!--newstext--]
[!--title--]
【摘 要】
：
“十四五”规划纲要提出要加快建设交通强国,而自动驾驶作为传统交通运输行业和人工智能结合的产物,是建设交通强国的重要组成部分。近年来,深度学习的发展为自动驾驶提供了全新的活力,这其中伴随着大量检测和感知算法的性能提升和商业落地。这些算法通常需要高分辨率双目图像作为输入,同时通过在线学习网络更新的方式保证模型效果。这一方式要求双目图像在客户端和服务器间进行无损传输,以及在数据库中进行高效存储。为保证压
【机 构】
：
南开大学
【出 处】
：
南开大学
【发表日期】
：
2021年01期
其他文献
随着科技的高速发展,机器人产业迎来爆发性增长,与此同时对机器人智能化水平的要求不断提升。传统的精确建模与控制方法只能让机器人胜任结构化的单一环境,掌握固定的操作技能,在面临复杂多变的动态环境时,深度强化学习算法（Deep Reinforcement Learning,DRL）的注入为机器人掌握更灵活多变的操作技能提供了可能。然而,深度强化学习算法在应用于机器人操作技能学习时因样本效率低、回报设计难
近年来,我国智能化水平不断提高,智能安防建设也日益受到重视。双目智能监控系统是智能安防建设的重要趋势之一,也是维护社会安全和治安稳定的有效手段。针对双目智能监控系统在传输图像数据时面临的数据量巨大、双目有损压缩算法尚不成熟的问题,本文提出了一种基于边信息的双目监控图像深度有损压缩算法（Side-Information Based Deep Stereo Monitoring Image Lossy