Computer Engineering and Applications ›› 2020, Vol. 56 ›› Issue (10): 205-212.DOI: 10.3778/j.issn.1002-8331.1903-0426

Previous Articles     Next Articles

Visibility Recognition of Fog Figure Based on Self-adaptive Hybrid Convolutional Neural Network

MIAO Kaichao, ZHOU Jianping, TAO Peng, LIU Chengxiao, YAO Yeqing   

  1. 1.Anhui Public Meteorological Service Center, Hefei 230031, China
    2.Anhui Jiyuan Software Co., Ltd., Hefei 230088, China
  • Online:2020-05-15 Published:2020-05-13

自适应混合卷积神经网络的雾图能见度识别

苗开超,周建平,陶鹏,刘承晓,姚叶青   

  1. 1.安徽省公共气象服务中心,合肥 230031
    2.安徽继远软件有限公司,合肥 230088

Abstract:

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。

Key words: 图像识别, 预训练模型, 卷积神经网络, 自适应, 能见度

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。

关键词: 图像识别, 预训练模型, 卷积神经网络, 自适应, 能见度