一种基于改进轻量级神经网络结构的路面种类识别方法

本发明涉及一种基于改进轻量级神经网络结构的路面种类识别方法，包括收集三种典型路面的图片，经数据增强后构建不同路面种类的训练集和测试集，以训练神经网络模型；建立轻量级神经网络ShuffleNet V2骨干模型；引入注意力机制CBAM和非线性激活函数hardswish对ShuffleNet V2网络基本单元进行改造，得到改进的轻量级神经网络结构，有效降低模型参数量，提高模型计算资源利用效率，在保持较小参数计算量的同时实现了网络性能的改进，在降低MAC的同时使激活函数具备一定空间建模能力。本发明构建了一个基于深度学习、能够识别路面种类的神经网络，得到计算量小、计算效率高、性能更好的网络模型。