一种基于迁移学习的能见度检测方法

• 作者: 唐绍恩 李骞 胡磊 顾大权 马强
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 能见度检测 深度神经网络 迁移学习 支持向量回归 权重融合
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 图形图像处理
• 页码范围: 242-247
• 页数: 6页
• 分类号: TP393
• 字数: 5545字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051855

摘要

为学习可有效反映能见度的视觉特征,解决大规模训练数据集构建困难的问题,提出一种将深度卷积神经网络应用于能见度检测的方法.将样本图像划分为多个子区域,利用预训练的VGG-16网络对其进行编码.通过编码特征集训练支持向量回归模型,并根据支持向量误差计算各子区域的融合权重,按权重融合子区域能见度估计值.实验结果表明,该方法检测正确率超过90％,可满足实际应用的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李骞	国防科技大学气象海洋学院	3	0	0.0	0.0
2	唐绍恩	国防科技大学气象海洋学院	2	0	0.0	0.0
3	马强	国防科技大学气象海洋学院	1	0	0.0	0.0
4	顾大权	国防科技大学气象海洋学院	2	0	0.0	0.0