一种高速公路雾浓度智能识别模型的训练方法

本申请属于智能交通感知与图像识别技术领域，具体公开了一种高速公路雾浓度智能识别模型的训练方法，包括如下步骤：建立雾浓度图像数据集，并对数据集中的图像进行雾浓度分级标注，包括浓雾、重雾、中雾、轻雾、晴朗；对雾浓度图像数据集进行处理，包括类别权重计算和多维度图像增强处理；先构建以 VGG16 为主干的初始卷积神经网络，然后在 VGG16 网络的Block4和Block5层中嵌入残差连接与SE模块；采用冻结解冻双阶段微调策略，先训练Block4和Block5层，再逐步解冻主干层，结合动态学习率调度策略完成优化，以得到训练好的高速公路雾浓度智能识别模型。本申请能实现对监控视频图像的雾浓度精准分级。