基于卷积神经网络的城市场景识别方法

本发明公开了一种基于卷积神经网络的城市场景识别方法，主要解决传统场景识别方法识别准确率低、复杂度高，及在ARM嵌入式内存紧张情况下场景识别算法难以移植部署的问题。其实现方案是：选取场景数据集，构建轻量化卷积神经网络模型；使用反向传播训练该网络模型，导出模型权重文件；将权重文件先转换为onnx格式，再转换为ncnn格式；编写ncnn格式权重文件，利用交叉编译工具对其编译，生成可执行文件；将可执行文件移植到ARM嵌入式平台，启动可执行文件，输出城市场景识别结果。本发明能在内存资源短缺的ARM嵌入式平台上有效提升轻量化卷积神经网络算法移植部署能力，提高室内外场景识别准确性，可用于自动驾驶、道路交通、机器人及视频监控。