《表2 网络深度对比结果：基于深度视觉注意神经网络的端到端自动驾驶模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度视觉注意神经网络的端到端自动驾驶模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

3）本文方法能够有效减少端到端自动驾驶中深度神经网络的层数，提高模型收敛速度。由于视觉注意力机制重点关注特征向量中一个较小的位置区域，即使较浅层的卷积神经网络也能够提取有效的视觉特征，因此在设计神经网络时，减少了卷积层的数量和模型的权重参数，加快了模型收敛。表2为各模型的网络深度，表3为训练时间和迭代次数。虽然DVANN增加了视觉注意层，但是本文所采用的模型的网络总层数相较于文献[4]和文献[5]明显减少，模型收敛迭代次数也大幅度降低，仅为文献[5]的2.5%。轻量级的模型不仅降低了对硬件条件的要求，而且有效地缩短了训练时间，节省计算资源和成本。