自适应混合卷积神经网络的雾图能见度识别

• 作者: 刘承晓 周建平 姚叶青 苗开超 陶鹏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像识别 预训练模型 卷积神经网络 自适应 能见度
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 图形图像处理
• 页码范围: 205-212
• 页数: 8页
• 分类号: TP183
• 字数: 6033字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0426

摘要

为充分利用高速公路沿线视频监控,实现高速公路大雾天气能见度全程监测,提出一种自适应混合卷积神经网络(Convolutional Neural Network,CNN)算法.在CNN算法输入层使用ResNet、VGG19预训练模型进行迁移学习,防止训练结果出现过拟合现象;在算法前向与反向传播过程之间构建参数自适应调整模块,根据卷积神经网络训练周期数和训练误差增强参数系数,实现权值自适应更新,有效地提高模型训练的收敛速度和能见度识别正确率.基于高速公路视频图像样本库进行实验,对算法的收敛性、时间复杂性以及识别正确率进行评价.实验结果显示,自适应混合卷积神经网络算法能够加快模型训练,模型综合识别准确率达到0.80以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚叶青		11	8	2.0	2.0
2	苗开超		8	3	1.0	1.0
3	刘承晓		16	23	3.0	4.0
4	陶鹏		3	0	0.0	0.0
5	周建平		15	31	4.0	5.0