基于轻量化神经网络的公路监控场景天气识别研究

针对deep 卷积神经网络模型参数大、对硬件设备要求高、难以在边缘部署的问题，结合高速公路监测图像的应用场景，研究了基于轻量级神经网络的天气识别算法。首先，对经典的轻量级神经网络模型MobileNet进行了理论分析，从参数和计算次数的角度分析了深度可分离卷积与标准卷积的区别。同时，对基于公路监测图像的天气识别数据集进行采集和标注。在此基础上，建立了一个包含多个轻量级神经网络的模型，并对其进行训练，以进行对比实验。实验结果验证了MobileNet在识别精度、速度和模型参数方面的优势。此外，通过可视化算法t－SNE，本文从类别响应分析和特征分布两个方面讨论了MobileNet的特征表示能力，以及特征的类间可分性和类内聚集性。研究结果进一步支持了上述分析。