基于深度学习的交通拥堵检测
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP751

基金项目:

国家自然科学基金资助项目(61604105)。


Traffic congestion detection based on deep learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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(convolutional neural network,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%。

    Abstract:

    Aimed at traffic congestion detection, a method of detecting traffic congestion images using convolutional neural network (CNN) was proposed. First, a neural network classification model with three layers of convolutional layers was designed based on the TensorFlow framework. Then, the classification model was trained and evaluated using road congestion and non-congestion pictures. Finally, the well-trained model was used to carry out road congestion detection. Compared with many other deep learning classification models, the proposed convolutional neural network model showed high efficiency in congestion detection, and the detection accuracy reached 98.1%.

    参考文献
    相似文献
    引证文献
引用本文

丁洁,刘晋峰,杨祖莨,阎高伟.基于深度学习的交通拥堵检测[J].重庆大学学报,2021,44(4):107-116.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2019-12-13
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-04-20
  • 出版日期:
文章二维码