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