Die Validierung von automatisierter Fahrsystem-Software erfordert Millionen von Testkilometern, was zu langen Entwicklungszyklen mit steigender Komplexität führt. Dies wirft auch das Problem auf, dass Echtwelttests ressourcenintensiv sind und Sicherheitsprobleme auftreten können. Daher sind virtuelle Validierungssuiten entscheidend, um diese Belastungen von ...
Das Experiment zur Wirksamkeit der vorgeschlagenen Methode verwendete Ubuntu 20.4 als Betriebssystem, PyTorch 1.13 als Deep-Learning-Framework und YOLOv8s als grundlegendes Netzwerkmodell. Die detaillierte Konfiguration der experimentellen Umgebung ist in Tabelle 1 aufgeführt. Einheitliche Hyperparameter wurden während des gesamten Trainingsprozesses bei ...