作者：唐绍恩; 李骞; 胡磊; 马强; 顾大权能见度检测深度神经网络迁移学习支持向量回归权重融合
摘要：为学习可有效反映能见度的视觉特征,解决大规模训练数据集构建困难的问题,提出一种将深度卷积神经网络应用于能见度检测的方法。将样本图像划分为多个子区域,利用预训练的VGG-16网络对其进行编码。通过编码特征集训练支持向量回归模型,并根据支持向量误差计算各子区域的融合权重,按权重融合子区域能见度估计值。实验结果表明,该方法检测正确率超过90 %,可满足实际应用的需求。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
