典型文献
基于深度学习的公路能见度分类及应用
文献摘要：
以VGG16为基准模型,融合批归一化处理、全局平均池化和联合损失函数,提出了一种基于卷积神经网络的高速公路雾天能见度等级分类方法.实验结果表明,改进后的神经网络模型的平均识别正确率达83.9％,相较于其他几种模型具有较高的正确率和较好的收敛性.将模型封装入业务系统后进行业务化检验,其平均识别正确率可达84.9％,且白天识别效果要优于夜间.通过系统监测到2019年4月4日京沪高速发生了一次团雾动态生消过程.该次团雾过程具有移动快、范围小、生存时间短的特征.系统的应用能够为交通管理部门应对团雾发生时的智能管控和决策调度提供技术支持.
文献关键词：
能见度;图像识别;团雾;卷积神经网络
中图分类号：
作者姓名：
黄亮;张振东;肖鹏飞;孙家清;周雪城
作者机构：
中国气象局交通气象重点开放实验室,江苏南京210041;江苏省气象服务中心,江苏南京210041
文献出处：
引用格式：
[1]黄亮;张振东;肖鹏飞;孙家清;周雪城-.基于深度学习的公路能见度分类及应用)[J].大气科学学报,2022(02):203-211
A类：
B类：
能见度,VGG16,批归一化处理,全局平均池化,联合损失函数,高速公路,雾天,等级分类,分类方法,收敛性,模型封装,装入,业务系统,业务化,化检验,白天,系统监测,京沪,团雾,生消过程,生存时间,交通管理,智能管控,决策调度,图像识别
AB值：
0.403399
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。
