基于卷积神经网络的道路拥堵识别研究

为解决城市道路日益严峻的拥堵问题,结合深度学习和图像处理技术,提出了一种基于卷积神经网络的道路拥堵检测方法.此方法相对于传统机器视觉方法,无需前期提取道路背景,不受光照亮度和实际环境的影响,具有识别速度快、占用计算资源少、泛化性好等特点.现已在实际项目中得以应用,并取得了较好的效果.

0 引言

1 卷积神经网络

2 模型介绍

2.1 模型设计与选择

2.2 数据增强

2.3 基于虚警及漏警的损失权重

3 实验与对比

3.1 对比常规神经网络

3.2 对比数据增强前后

3.3 对比提高虚警损失权重前后

3.4 对比传统拥堵检测方式

4 模型应用

5 结论

类型: 期刊论文

作者: 罗荣辉,袁航,钟发海,聂上上

关键词: 卷积神经网络,深度学习,图像识别,拥堵检测,智慧城市

来源: 郑州大学学报(工学版) 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用,自动化技术

单位: 郑州大学物理工程学院

基金: 国家自然科学基金资助项目(61601322),河南省科技攻关计划(高新领域)项目(162102210018)

分类号: U491.265;TP391.41;TP183

DOI: 10.13705/j.issn.1671-6833.2019.02.008

页码: 18-22

总页数: 5

文件大小: 744K

下载量: 335

猜你喜欢