基于CNN深度学习模型的交通图像拥堵识别

基于CNN深度学习模型的交通图像拥堵识别
崔华;刘云飞;宋鑫鑫;李盼侬
【期刊名称】《科技创新与应用》
【年(卷),期】2018(000)004
【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.
【总页数】3页(P19-20,22)
【作者】崔华;刘云飞;宋鑫鑫;李盼侬
【作者单位】长安大学信息工程学院,陕西西安 710064;长安大学信息工程学院,陕西西安 710064;长安大学信息工程学院,陕西西安 710064;长安大学信息工程学院,陕西西安 710064
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于卷积神经网络(CNN)的高速路交通图片拥堵识别
2.基于CNN-SVR混合深度学习模型的短时交通流预测
3.基于卷积核分解的深度CNN模型结构优化及其在
r小图像识别中的应用4.基于深度学习模型的图像识别应用研究5.复杂背景环境下基于SSD_MobileNet深度学习模型的火焰图像识别研究
因版权原因，仅展示原文概要，查看原文内容请购买。