《Convolutional Neural Network Information Fusion based on Dempster-Shafer ...》论文理解

本文探讨了基于Dempster-Shafer(DS)证据理论的卷积神经网络信息融合方法在城市场景理解中的应用。通过论文下载链接,读者可以获取详细内容。DS证据理论用于多源数据融合,整合不同传感器对同一事件的概率评估,得出更可靠的结论。在自动驾驶场景中,这种融合方法有助于提高障碍物检测的准确性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.论文下载路径

http://cs231n.stanford.edu/reports/2017/pdfs/632.pdf

Convolutional Neural Network Information Fusion based on Dempster-Shafer Theory for Urban Scene Understanding 

2.DS证据理论

        DS证据理论主要用于多通道信号/多传感器数据融合的。当出现不同传感器对于一个事情的发生给出的不同概率值进行综合评价(DS证据理论计算公式)得出一个统一的认为可信的结论。

        通俗一点讲,就是说A传感器认为坐标(100,100,0)处有个障碍物的概率是0.7,B传感器认为坐标(100,100,0)处有个障碍物的概率是0.9。然后综合计算发现两者的DS计算认为(100,100,0)处有个障碍物的概率是?

3.论文

待更新

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

聿默

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值