10.19678/j.issn.1000-3428.0051855
一种基于迁移学习的能见度检测方法
为学习可有效反映能见度的视觉特征,解决大规模训练数据集构建困难的问题,提出一种将深度卷积神经网络应用于能见度检测的方法.将样本图像划分为多个子区域,利用预训练的VGG-16网络对其进行编码.通过编码特征集训练支持向量回归模型,并根据支持向量误差计算各子区域的融合权重,按权重融合子区域能见度估计值.实验结果表明,该方法检测正确率超过90%,可满足实际应用的需求.
能见度检测、深度神经网络、迁移学习、支持向量回归、权重融合
45
TP393(计算技术、计算机技术)
国家自然科学基金41305138;中国博士后科学基金2017M621700
2019-10-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
242-247