基于深度卷积神经网络的交通拥堵预测：一种颜色编码方法
计算机视觉与模式识别
2022-09-19 v1 人工智能
摘要
由于计算机视觉领域近期的进展，交通视频数据已成为限定交通拥堵状态的关键因素。本工作提出了一种独特的交通视频分类技术，在将交通数据输入深度卷积神经网络训练之前采用颜色编码方案。首先，将视频数据转换为图像数据集；随后，使用 You Only Look Once 算法执行车辆检测。采用颜色编码方案将图像数据集转换为二值图像数据集。这些二值图像被输入深度卷积神经网络。使用 UCSD 数据集，我们获得了 98.2% 的分类准确率。
引用
@article{arxiv.2209.07943,
title = {Traffic Congestion Prediction using Deep Convolutional Neural Networks: A Color-coding Approach},
author = {Mirza Fuad Adnan and Nadim Ahmed and Imrez Ishraque and Md. Sifath Al Amin and Md. Sumit Hasan},
journal= {arXiv preprint arXiv:2209.07943},
year = {2022}
}