文章导读
自动驾驶的致命痛点如何攻克？武大王骞/邹勤团队用AI给出颠覆性答案！他们发表于IEEE顶级期刊的论文《基于深度神经网络的连续驾驶场景鲁棒车道检测》刚刚斩获2025年度全球陆路交通最高论文奖。这项研究突破性地融合卷积与循环神经网络，利用连续帧时序信息破解了极端天气、复杂路况下的车道识别难题，将检测精度提升至全新高度。论文提出的算法框架已成为行业黄金标准，被全球学者引用超470次，正在重塑智能汽车感知系统的技术版图。IEEE这项拥有半世纪历史的权威奖项，首次花落中国团队之手！
— 内容由好学术AI分析文章内容生成，仅供参考。
（通讯员网轩）近日，国际电气与电子工程师协会车辆技术学会（IEEE Vehicular Technology Society）召开2025年度技术大会。武汉大学于2020年发表在IEEE车辆技术汇刊（IEEE Transactions on Vehicular Technology）的论文“Robust Lane Detection From Continuous Driving Scenes Using Deep Neural Networks”获得“2025 Best Land Transportation Paper Award”（最佳陆路交通论文奖）。计算机学院教授邹勤为该论文第一作者，国家网络安全学院教授王骞为通讯作者。
随着自动驾驶与智能交通系统技术的飞速发展，相关领域的研究已成为全球科技竞争的前沿。该获奖论文针对自动驾驶中的核心难题——复杂场景下的车道检测，创新性地提出一种结合卷积神经网络与循环神经网络的混合深度学习架构。该研究利用连续驾驶场景的多帧时序信息，有效克服了传统方法在极端情况下的性能局限，显著提升了车道检测的准确性和稳定性。据谷歌学术统计，该论文已被引用470余次，为自动驾驶感知算法发展提供了公开基准，引领了该领域的发展路径。
据悉，IEEE Vehicular Technology Society（VTS）是全球车辆技术领域最具影响力的专业组织之一，其年度大会每年分春秋两季举行，至今已有51年历史。IEEE VTS最佳陆路交通论文奖旨在表彰过去5年在IEEE车辆技术汇刊上发表的关于陆路交通运输的突出论文。
（供图：国家网络安全学院 编辑：相茹）
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
暂无评论...