一种基于迁移学习的能见度检测方法
来源：计算机工程杂志2019年第9期北京时间：
作者：唐绍恩, 李骞, 胡磊, 马强, 顾大权
单位：1. 国防科技大学 气象海洋学院, 南京 211101;2. 61741部队, 北京 100094
摘要：为学习可有效反映能见度的视觉特征，解决大规模训练数据集构建困难的问题，提出一种将深度卷积神经网络应用于能见度检测的方法。将样本图像划分为多个子区域，利用预训练的VGG-16网络对其进行编码。通过编码特征集训练支持向量回归模型，并根据支持向量误差计算各子区域的融合权重，按权重融合子区域能见度估计值。实验结果表明，该方法检测正确率超过90%，可满足实际应用的需求。
关键词：能见度检测,深度神经网络,迁移学习,支持向量回归,权重融合
基金资助：国家自然科学基金（41305138）；中国博士后科学基金（2017M621700）。
