基于轻量化神经网络的公路监控场景天气识别研究

摘要：

针对深层卷积神经网络模型参数量大、对硬件设备要求高而难以部署于边缘端的问题,本文结合高速公路监控图像这一应用场景,对基于轻量化神经网络的天气识别算法进行研究.首先对经典的轻量化神经网络模型MobileNet进行理论分析,由参数量和计算次数的角度分析其深度可分离卷积与标准卷积操作的不同.同时,收集并标注基于公路监控图像的天气识别数据集.在此基础上,搭建并训练包含多个轻量化神经网络在内的模型进行对比实验,实验结果验证了MobileNet在识别精度、速度以及模型参数量等指标上的优势.此外,本文通过可视化算法t-SNE从类别响应分析和特征分布两个方面探讨MobileNet的特征表征能力以及特征的类间可分性和类内可聚性,其结果进一步支撑了上述分析.

关键词：轻量化网络、天气识别、公路监控图像、特征分布可视化

所属期刊栏目：50

分类号：U495(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8