《表1 试验配置：基于深度学习的夜间模式下自动驾驶场景预测》
提示：宽带有限、当前游客访问压缩模式
试验的机器软硬件配置如表1所示。使用深度学习中的Keras框架，并且参考了该开源项目上的一些层次结构。
| 图表编号 | XD00102698100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 阮雨、孙韶媛、李佳豪、吴雪平 |
| 绘制单位 | 东华大学信息科学与技术学院、东华大学信息科学与技术学院、东华大学信息科学与技术学院、东华大学信息科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 训练信息：基于深度强化学习的自动驾驶车控制算法研究》2020.07.10
- 《表2 基于深度强化学习算法的自动驾驶模型训练环境、数据集和方法》2021.01.16
- 《表2 建筑半自动化成果：基于深度学习的驾驶证识别方法研究》2020.07.01
- 《表1 传感器输入：基于深度强化学习的自动驾驶研究》2020.05.25
- 《表3 实验硬件平台配置：基于深度强化学习的单目视觉自动驾驶决策系统》2020.05.01
- 《表1 PPO算法伪代码：基于深度强化学习的单目视觉自动驾驶决策系统》2020.05.01
- 《表2 网络评价参数：基于深度强化学习的单目视觉自动驾驶决策系统》2020.05.01
- 《表1 场景解构出的类：基于多通道态势图的自动驾驶场景表征方法》2020.08.01
- 《表4 天气信息数据属性：基于多通道态势图的自动驾驶场景表征方法》2020.08.01
- 《表9 场景复杂度参数：基于多通道态势图的自动驾驶场景表征方法》2020.08.01
- 《表3 参数配置表：基于深度递归强化学习的无人自主驾驶策略研究》2020.04.25
- 《表1 实验配置：基于ConvLSTM双通道编码网络的夜间无人车场景预测》2020.08.20
- 《表2 算法检测精度：基于深度学习的驾驶场景关键目标检测与提取》2019.12.30
- 《表1 场景预测评价指标：基于深度学习的夜间模式下自动驾驶场景预测》2019.10.01
- 《表2 实验环境配置：基于深度残差学习的自动驾驶道路场景理解》2019.09.01
- 《表3 评论家网络结构：基于多类型传感数据的自动驾驶深度强化学习方法》2019.07.01
- 《表4 训练参数设置：基于多类型传感数据的自动驾驶深度强化学习方法》2019.07.01
- 《表2 演员网络结构：基于多类型传感数据的自动驾驶深度强化学习方法》2019.07.01
- 《表5 模型训练结果：基于司机操纵模式学习的列车节能自动驾驶研究》2019.04.25
- 《表1 清扫车自动驾驶模式下功能及运行场景》2019.12.24