基于深度强化学习融合模型的团雾图像识别方法

实质审查的生效

摘要

本发明公开了一种基于深度强化学习融合模型的团雾图像识别方法，包括：采用旋转、翻转、裁剪、擦除、平移等方法对高速公路气象图像数据进行在线强化；构建基于强化学习的VGG16气象分类网络模型，获取分类特征向量F_v；构建基于强化学习的InceptionV3气象分类网络模型，获取分类特征向量F_I；构建基于强化学习的MobileNetV2气象分类网络模型，获取分类特征向量F_M；构建基于深度强化学习气象图像分类融合模型RL‑FDNN，特征向量F_v、F_I、F_M并联后的概率均值作为的深层网络融合模型的输出层，对团雾信息进行识别分类。本发明将强化学习理论与深度学习紧密结合，从而可以更精准的实现团雾的识别，可对高速公路场景的气候环境感知提供技术支持。

基本信息

专利标题：

基于深度强化学习融合模型的团雾图像识别方法

专利标题（英）：

暂无

公开（公告）号：

CN114445709A

申请号：

CN202210110628.1

公开（公告）日：

2022-05-06

申请日：

2022-01-29

授权号：

暂无

授权日：

暂无

发明人：

赵池航刘洋朱小艳

申请人：

东南大学

申请人地址：

江苏省南京市玄武区四牌楼2号

代理机构：

南京众联专利代理有限公司

代理人：

景鹏飞

优先权：

CN202210110628.1

主分类号：

G06V20/10

IPC分类号：

G06V20/10 G06N20/00 G06N3/04 G06N3/08 G06K9/62 G06V10/774 G06V10/82 G06V10/764 G06V10/80

法律状态

2022-05-24 ：

实质审查的生效

IPC(主分类) : G06V 20/10
申请日 : 20220129

2022-05-06 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载