基于CNN深度学习模型的交通图像拥堵识别

摘要：

卷积神经网络(CNN)在诸多图像分类(如数字识别,人脸识别)方面都被证明有着非常出色的表现,复杂图像的分类识别需要经过多个层次的信息特征认识整合以及加工.另一方面对交通状态进行准确识别,是科学制定主动交通管理决策的基础,有利于及时疏导拥堵,提高道路运行效率.文章在TensorFlow上使用了基于CNN的分类模型对图片进行交通拥堵识别,其是在国际大赛上较为出名的Cifar-10模型,并对网络结构和参数进行了调整优化,有较高的准确率和效率.

关键词：CNN、交通图像分类、TensorFlow、Cifar-10、二分类

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2018-01-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：19-20,22