《表2 图像处理参数表：基于卷积神经网络的路面识别及半主动悬架控制》

  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

《基于卷积神经网络的路面识别及半主动悬架控制》

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

针对CNN，良好的泛化能力比较高的训练准确率更为重要。良好的泛化能力意味着CNN对训练数据以外的数据同样具有准确预测的能力[13]。提高CNN泛化能力的一个有效措施就是对训练数据集进行数据增强，即人为创建假数据并添加至训练集[14]。本文首先收集4种典型的城市以及非城市路面图像，其次对部分路面图像进行图像处理，即调整图像明暗度、将图像沿横向或垂向平移若干像素、对图像进行小角度的翻转和剪切，从而模拟外部自然环境以及采样时车辆振动对图像质量的影响，达到数据增强的目的。原始图像以及进行图像处理的图像如图13所示，图像处理参数如表2所示。