本发明公开了一种基于无损失函数的深度卷积神经网络的路面类型估算方法,包括步骤一、采集路面工况图像,对路面类型进行标定并建立路面工况数据库;对图像基于无损失函数的深度卷积神经网络进行训练,获取图像特征并进行二值化哈希编码与直方图处理得到图像的特征输出向量;根据图像的特征输出向量及其对应的路面类型对支持向量机进行训练并选定参数,确定路面类型判别函数;步骤二、采集待测路面工况图像,并根据所述步骤一获得待测路面的特征输出向量,采用训练好的支持向量机确定待测路面类型。简化了卷积神经网络深度学习模型对图像的特征提取,并利用支持向量机进行图像分类,大大减少了卷积训练的难度,提高了分类效率。
声明:
“基于无损失函数的深度卷积神经网络的路面类型估算方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)