问题 |
E3S网页汇编
卷积4302023
15线程材料处理和特征化国际会议 |
|
---|---|---|
文章号 | 01084 | |
页数 | 8 | |
多尔市 | https://doi.org/10.1051/e3sconf/202343001084 | |
在线发布 | 2023年10月06日 |
DFR-TSD:持续深学习框架
一号信息技术系Gokaraju Rangaraju工程技术学院JNTUH海得拉巴
2Appled生命科学学院Uttaranchal大学
3KG Reddy工程技术学院,海得拉巴
*对应作者 :jeevannagendra@griet.ac.in
开发可靠和可持续的交通信号检测条件困难或DFR-TSD是创建有效、安全和可持续的自主驱动系统的关键步骤推荐可持续框架利用深学习技巧克服当前交通信号检测系统缺陷,特别是在Hashe和雪等困难天气环境下系统使用可持续的CNN预处理步骤提高受天气影响照片中流量信号的可见度,并随后使用可持续预培训ResNet-50模型识别流量信号CURE-TSD数据集包括烟雾、雪雾等困难天气环境,对建议的可持续框架进行了评估。测试结果显示建议框架在反天气识别流量标志方面表现得多持久。推荐可持续框架优于先前方法,可持续精度评分98.83%结果显示可持续深学习法有可能增强交通标志识别模型功能可持续框架前端提供方便用户界面,用户上传测试照片并查看检测结果UI有四个持续按钮加载模型、上传测试照片、定位符号并查看培训图kinter框架提供方便用户GUI工具箱,使开发者能快速设计并定制可持续GUI程序,用于开发前端推荐可持续DFR-TSD框架是一个潜在的可持续选择,可在逆天气可靠交通信号检测,原因是可持续预处理步骤、可持续预培训ResNet-50模型和可持续用户友好接口
关键字 :自动化/卷积神经网络/深学习/机器学习
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间