华南理工大学学报(自然科学版)

作者：符锌砂, 曾彦杰, 马丽, 等

单位：1.华南理工大学 土木与交通学院，广东 广州 510640；2．广东省交通运输规划研究中心，广东 广州 510101；3.鄂尔多斯应用技术学院 数学与计算机工程系，内蒙古 鄂尔多斯 017000；4.中交第四航务工程勘察设计院有限公司，广东 广州 510000

关键词：轻量化网络,天气识别,公路监控图像,特征分布可视化

基金：国家自然科学基金资助项目（51978283,51778242）

针对深层卷积神经网络模型参数量大、对硬件设备要求高而难以部署于边缘端的问题，本文结合高速公路监控图像这一应用场景，对基于轻量化神经网络的天气识别算法进行研究。首先对经典的轻量化神经网络模型MobileNet进行理论分析，由参数量和计算次数的角度分析其深度可分离卷积与标准卷积操作的不同。同时，收集并标注基于公路监控图像的天气识别数据集。在此基础上，搭建并训练包含多个轻量化神经网络在内的模型进行对比实验，实验结果验证了MobileNet在识别精度、速度以及模型参数量等指标上的优势。此外，本文通过可视化算法t-SNE从类别响应分析和特征分布两个方面探讨MobileNet的特征表征能力以及特征的类间可分性和类内可聚性，其结果进一步支撑了上述分析。

来源：2022年第3期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2022年第3期