首页> 中文期刊> 《科技创新与应用》 >基于卷积神经网络(CNN)的高速路交通图片拥堵识别

基于卷积神经网络(CNN)的高速路交通图片拥堵识别

         

摘要

近年来,高速路的拥堵问题变得越来越严重,传统的交通拥堵识别采用视频进行研究,其具有代价昂贵,识别速度慢的缺点.文章提出了一种基于图片进行交通拥堵识别的方法.因为卷积神经网络(CNN)在图像识别方面有着识别速度快,适用范围广,识别准确率高的优点,所以文章使用了带有relu激活函数代替传统的sigmod函数和tanh函数,并引入了dropout层的卷积神经网络模型GoogleNet,并对网络结构和参数进行了调整优化,得到了一个交通拥堵图片识别的改进的GoogleNet改进模型,该模型的样本内测试准确率达到了98.6%.在对2000张现实高速路上的图片进行识别测试后,测得其准确率为96.5%.采用文理特征的传统方法的高速路交通拥堵图像识别准确率为90%.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号