首页
文献互助
登录
|
注册
我要投稿
期刊屋
>
工业
基于深度学习的交通拥堵检测
【摘要】 针对交通拥堵检测,提出一种利用深度学习中卷积神经网络(convolutionalneuralnetwork,CNN)对交通拥堵图像进行检测的方法。首先,使用基于TensorFlow框架设计了含有三层卷积层的神经网络分类模型。其次,利用道路拥堵与非拥堵图片对分类模型进行训练,并进行评估。最后,利用训练完成的模型进行道路拥堵检测,与多种深度学习分类模型分类方法进行对比实验,表明该卷积神经网络模型能够更有效地进行拥堵检测,检测准确率达到了98.1%。
【基于深度学习的交通拥堵检测】相关的文章
工业 最新帖子
1
冷起动对汽车燃油经济性的影响
2
公司简介
3
甘薯全粉对小麦面团及馒头品质的影响
4
基于改进人工鱼群算法的反TBM目标分配策略
5
空心叶片用陶瓷型芯脱芯工艺研究现状
6
纤维编织网增强混凝土加固RC柱恢复力模型研究
7
基于浮动单元的职住平衡尺度分析方法
8
中国酒业协会2020年白酒产业调研座谈会在茅台召开
9
响应面法优化茶奶酪发酵工艺研究
10
考虑块体组成的排土场边坡对振动作用响应模拟
热门文章
1
乳清蛋白-甜橙油包合物的制备及其性质研究
2
超声固体测温中波速与温度的相关性试验
3
汽轮机叶片叶身的涡流检测
4
基于深度重采样叠加的不锈钢焊缝TOFD检测信号降噪技术
5
海洋平台构件单面焊焊缝超声检测根部回波的影响分析
6
基于金属磁记忆检测的废旧件疲劳损伤评价
7
耐张线夹压接质量的相控阵超声检测
8
基于机器视觉的金属板材表面缺陷光学检测技术
9
输气管道对接焊缝的相控阵超声检测
10
超声检测中超声波束覆盖率的探讨