[发明专利]一种基于深度学习的雾霾能见度检测方法在审
| 申请号： | 201710346524.X | 申请日： | 2017-05-17 |
| 公开（公告）号： | CN107274383A | 公开（公告）日： | 2017-10-20 |
| 发明（设计）人： | 许艳丽;李海波;成孝刚;邵文泽;吕泓君 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 南京经纬专利商标代理有限公司32200 | 代理人： | 朱桢荣 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的雾霾能见度检测方法，首先创建包括训练样本集和交叉验证样本集的道路交通雾霾图像库；对交通雾霾图像库中所有的雾霾图像进行预处理；采用卷积神经网络提取训练样本集里预处理后的雾霾图像的最远能见度边缘特征，得到多个特征图；将特征图通过前向传播至配置好的卷积神经网络进行训练，并通过反向传播算法进行卷积神经网络中各层间权重的调整，反复迭代求取出用于雾霾图像分类的卷积神经网络模型，再通过预处理后的交叉验证样本集对卷积神经网络模型进行优化，最终得到一个用于对雾霾图像分类的能见度检测模型；利用上述得到的能见度检测模型对于路面摄像机拍摄的图片进行分类判断，从而实现对雾霾状况的实时检测。 | ||
| 搜索关键词： | 一种 基于 深度 学习 能见度 检测 方法 | ||
【主权项】：
一种基于深度学习的雾霾能见度检测方法，其特征在于，包括以下步骤：步骤1、创建道路交通雾霾图像库，该数据库包括训练样本集和交叉验证样本集；步骤2、对步骤1中交通雾霾图像库中训练样本集和交叉验证样本集里所有的雾霾图像进行预处理；步骤3、采用卷积神经网络提取训练样本集里预处理后的雾霾图像的最远能见度边缘特征，得到多个特征图；将特征图通过前向传播至配置好的卷积神经网络进行训练，并通过反向传播算法进行卷积神经网络中各层间权重的调整，反复迭代求取出用于雾霾图像分类的卷积神经网络模型，再通过预处理后的交叉验证样本集对卷积神经网络模型进行优化，最终得到一个用于对雾霾图像分类的能见度检测模型；步骤4、利用步骤3中得到的能见度检测模型对于路面摄像机拍摄的图片进行分类判断，从而实现对雾霾状况的实时检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710346524.X/，转载请声明来源钻瓜专利网。
