典型文献
基于轻量化神经网络的公路监控场景天气识别研究
文献摘要：
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.
文献关键词：
轻量化网络;天气识别;公路监控图像;特征分布可视化
中图分类号：
作者姓名：
符锌砂;曾彦杰;马丽;胡弘毅;胡嘉诚;唐峰
作者机构：
华南理工大学土木与交通学院,广东广州510640;广东省交通运输规划研究中心,广东广州510101;鄂尔多斯应用技术学院数学与计算机工程系,内蒙古鄂尔多斯017000;中交第四航务工程勘察设计院有限公司,广东广州510000
文献出处：
引用格式：
[1]符锌砂;曾彦杰;马丽;胡弘毅;胡嘉诚;唐峰-.基于轻量化神经网络的公路监控场景天气识别研究)[J].华南理工大学学报（自然科学版）,2022(03):1-8
A类：
天气识别,公路监控图像,特征分布可视化
B类：
轻量化神经网络,景天,深层卷积神经网络,卷积神经网络模型,模型参数量,硬件设备,备要,边缘端,高速公路,一应,识别算法,MobileNet,深度可分离卷积,标准卷积,卷积操作,别数,识别精度,可视化算法,SNE,响应分析,表征能力,可分性,轻量化网络
AB值：
0.245147
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
