2020研究生数学建模E题--AlexNet深度网络解法(大雾能见度估计与预测)(含代码)

本文介绍了2020研究生数学建模E题,通过AlexNet深度网络解决大雾能见度估计问题。利用视频数据,经过数据预处理,构建并实现AlexNet模型,通过ReLU激活函数、局部响应归一化、Dropout和层叠池化等技术提高模型性能。实验结果显示模型准确率高,避免了过拟合。附有代码和模型评估。
摘要由CSDN通过智能技术生成

一、E题赛题

2020研究生数学建模赛题链接:https://download.csdn.net/download/qq_35759272/13028941
第二题问题:
在这里插入图片描述

二、赛题分析

第二题的目的是让我们根据视频分析能见度大小。
大部分想到的是方法一
方法一:提取视频中的特征学习,将其与能见度数据简历关系即可。
如果仅采用单张图像,利用雾提取方法(其实就是分类方法,将雾分类出来,常用的包括决策数、支持向量机、神经网络等等),这类算法能够提取出雾的面积,但得不到厚度信息。
弊端:但是这种分析思路正如题目所说的问题:只选取少量视频、截取图像中的某些固有特征,未能有效利用图像的连续信息估计是不准的。
再分析:所以这里需要加入视频数据的连续信息,连续

评论 14
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

凌青羽

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值