基于卷积神经网络的能见度估算

• 作者: 曹爽亮 杨亚莉 陈浩 杨书伟
• 来源期刊: 软件工程
• 关键词: 能见度 深度学习 卷积神经网络 丢弃层 数据增强
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 方法与技术|Method & Technology
• 页码范围: 2-5
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19644/j.cnki.issn2096-1472.2021.08.001

摘要

一直以来,如何准确便捷地监测能见度都是减少交通事故工作关注的重点所在,而传统的使用能见度仪检测能见度存在造价高、范围小等缺陷.随着深度学习研究的不断发展,使用深度学习估算能见度也变成现实.本文建立了一种VGGnet?16卷积神经网络模型,经过Dropout(丢弃层)和数据增强优化后,使用监控图像及其对应的能见度值对其进行训练.结果表明,优化后的模型能有效提升训练精度,在小数据集上也能实现非常好的能见度估算效果.