本發(fā)明屬于圖像處理技術(shù)領(lǐng)域中，具體涉及一種基于深度殘差學(xué)習(xí)網(wǎng)絡(luò)的柴油車(chē)尾氣煙度檢測(cè)方法。

背景技術(shù)：

隨著中國(guó)城市化建設(shè)的推進(jìn)，機(jī)動(dòng)車(chē)的保有量也越來(lái)越多，同時(shí)，機(jī)動(dòng)車(chē)尾氣對(duì)于城市空氣的污染也更加嚴(yán)重，所以對(duì)機(jī)動(dòng)車(chē)尾氣污染治理刻不容緩。治理的前提是對(duì)機(jī)動(dòng)車(chē)尾氣的排放情況有充分的了解，所以勢(shì)必需要一種能夠?qū)C(jī)動(dòng)車(chē)尾氣進(jìn)行快速而又準(zhǔn)確的檢測(cè)技術(shù)。柴油發(fā)動(dòng)機(jī)功率大、經(jīng)濟(jì)性能好，是城市建設(shè)中不可缺少的動(dòng)力，隨之而來(lái)的大量的柴油車(chē)尾氣污染。重型柴油車(chē)因?yàn)榕欧诺牡趸?、顆粒物數(shù)量遠(yuǎn)遠(yuǎn)高于輕型車(chē)，更是大氣污染的重要貢獻(xiàn)者。

傳統(tǒng)方法中，對(duì)柴油車(chē)尾氣的煙度檢測(cè)手段主要是林格曼黑度望遠(yuǎn)鏡和煙度計(jì)。林格曼黑度望遠(yuǎn)鏡采用雙目棱鏡望遠(yuǎn)系統(tǒng)，在望遠(yuǎn)鏡劃分板上制有相應(yīng)林格曼煙度濃度圖1-5級(jí)的灰度階梯塊，全透明部分則為0級(jí)。觀測(cè)者通過(guò)望遠(yuǎn)鏡左側(cè)目鏡將煙塵目標(biāo)與該級(jí)灰度梯度塊比較，從而測(cè)定煙氣黑度標(biāo)準(zhǔn)等級(jí)。煙度計(jì)分為采樣部分和測(cè)量部分。采樣部分是采樣氣筒抽取尾氣管中一定體積的煙氣，使它通過(guò)一張一定面積的白色濾紙，于是排氣中的煙塵顆粒物就粘附在濾紙上而使濾紙變黑，然后利用光電檢測(cè)裝置測(cè)量濾紙上煙痕的吸光率來(lái)評(píng)定為柴油機(jī)的排氣煙度。上述方法可以在一定程度上測(cè)量柴油車(chē)尾氣的煙度級(jí)別，然而在實(shí)踐中具有很大的應(yīng)用局限：首先，由于需要大量的人工參與，降低了檢測(cè)速率，提高了檢測(cè)成本，并且為作弊行為提供了較大的可能；然后，由于需要對(duì)尾氣進(jìn)行采樣，所以無(wú)法實(shí)現(xiàn)車(chē)輛的在線檢測(cè)，也就是說(shuō)，無(wú)法反映車(chē)輛正常行駛的情況下的排放狀況。

專(zhuān)利號(hào)CN102737247A中使用了圖像識(shí)別系統(tǒng)對(duì)柴油車(chē)尾氣煙度進(jìn)行測(cè)量。其采用傳統(tǒng)的圖像處理的方法，步驟如下：1)收集圖像，根據(jù)柴油車(chē)尾氣的特征將圖像中的目標(biāo)尾氣進(jìn)行檢測(cè)、分割、提取，并選擇最佳的幾幀圖像；2)將提取后圖像的目標(biāo)區(qū)域分別與背景區(qū)域進(jìn)行相減操作，然后對(duì)相減后得到的目標(biāo)區(qū)域進(jìn)行濾波和填充處理；3)計(jì)算處理后的目標(biāo)區(qū)域的平均灰度值(或：最大最小灰度值)，并且以此作為參考，與標(biāo)準(zhǔn)庫(kù)中的黑度級(jí)別進(jìn)行對(duì)比，從而給出尾氣相應(yīng)的黑度級(jí)別。其明顯的缺點(diǎn)是：需要對(duì)尾氣圖像中目標(biāo)區(qū)域進(jìn)行一系列的操作，步驟比較繁瑣；更為關(guān)鍵的是，每一步操作(如閾值分割)的準(zhǔn)確性都會(huì)收到周?chē)h(huán)境(如光照、霧霾)的影響，從而導(dǎo)致檢測(cè)的不準(zhǔn)確性甚至失效。以上說(shuō)明該發(fā)明不具備對(duì)環(huán)境變化的魯棒性。

隨著層數(shù)的增加，深度神經(jīng)網(wǎng)絡(luò)會(huì)變得越來(lái)越難以訓(xùn)練，梯度消失或者梯度爆炸問(wèn)題都會(huì)阻止網(wǎng)絡(luò)達(dá)到收斂狀態(tài)，并且網(wǎng)絡(luò)性能并不一定隨著網(wǎng)絡(luò)層數(shù)的增加而提升。深度殘差學(xué)習(xí)則可以解決深層網(wǎng)絡(luò)的性能降低問(wèn)題。相比于普通的深度神經(jīng)網(wǎng)絡(luò)，它更容易優(yōu)化；隨著層數(shù)的增多，它的性能表現(xiàn)逐漸提升，并且它具有足夠的泛化能力。

就網(wǎng)絡(luò)層數(shù)的選取來(lái)說(shuō)1到100層都是，可以的，但是對(duì)于柴油車(chē)尾氣煙度檢測(cè)這個(gè)問(wèn)題，層數(shù)太少使深度殘差學(xué)習(xí)網(wǎng)絡(luò)的精度不夠高，層數(shù)太多在訓(xùn)練過(guò)程中需要耗費(fèi)大量的成本。關(guān)于柴油車(chē)尾氣煙度檢測(cè)，構(gòu)建20層深度殘差學(xué)習(xí)網(wǎng)絡(luò)具有最優(yōu)性能，所以本發(fā)明中構(gòu)建的是20層深度殘差學(xué)習(xí)網(wǎng)絡(luò)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明技術(shù)解決問(wèn)題：克服現(xiàn)有技術(shù)的不足，提出一種基于深度殘差學(xué)習(xí)網(wǎng)絡(luò)的柴油車(chē)尾氣煙度檢測(cè)方法，具有較高的檢測(cè)精度。

本發(fā)明的技術(shù)方案如下：

1、獲取道路柴油車(chē)尾氣圖像。

1.1)在選定的路段用CCD攝像機(jī)對(duì)經(jīng)過(guò)的柴油車(chē)進(jìn)行尾氣視頻記錄。

1.2)利用圖像采集卡從記錄的視頻中抽取出有含有柴油車(chē)尾氣的圖像，將這些圖像按照75％、10％、15％的比例分成訓(xùn)練集，驗(yàn)證集和測(cè)試集。

2、獲取深度殘差學(xué)習(xí)網(wǎng)絡(luò)的標(biāo)簽

在選定的路段中用汽柴一體化機(jī)動(dòng)車(chē)尾氣遙測(cè)裝置直接測(cè)量柴油車(chē)的尾氣煙度，獲取柴油車(chē)尾氣圖像中車(chē)輛的尾氣煙度，將其作為相應(yīng)柴油車(chē)尾氣圖像的標(biāo)簽，柴油車(chē)尾氣圖像和相應(yīng)的標(biāo)簽構(gòu)成柴油車(chē)尾氣煙度數(shù)據(jù)集；

3、深度殘差學(xué)習(xí)網(wǎng)絡(luò)的構(gòu)建

該網(wǎng)絡(luò)包含一個(gè)普通卷積層conv1、一個(gè)池化層pool1，八個(gè)殘差學(xué)習(xí)單元convr11、convr12—convr81、convr82，一個(gè)平均池化層AvgPool9，一個(gè)全連接層Fc10。

conv1的卷積核大小為7*7，convr11、convr12—convr81、convr82的卷積核大小為3*3，八個(gè)殘差學(xué)習(xí)單元中的每一個(gè)包含兩個(gè)殘差卷積層，例如convr11、convr12構(gòu)成一個(gè)殘差學(xué)習(xí)單元，convr21、convr22構(gòu)成一個(gè)殘差學(xué)習(xí)單元。每個(gè)殘差學(xué)習(xí)單元的輸入不僅包含上一個(gè)殘差學(xué)習(xí)單元的輸出，還包含上一個(gè)殘差學(xué)習(xí)單元的輸入，這也就構(gòu)成了跨層連接的輸入輸出方式。例如convr21的輸入包括convr12的輸出和convr11的輸入，convr31的輸入包括convr22的輸出和convr21的輸入。

普通卷積層conv1的輸入為經(jīng)過(guò)預(yù)處理的圖像，普通卷積層conv1的輸出作為池化層pool1的輸入，池化層pool1的輸出為第一個(gè)殘差學(xué)習(xí)單元中convr11的輸入，殘差學(xué)習(xí)單元之間按照跨層連接的輸入輸出方式傳遞數(shù)據(jù)。平均池化層AvgPool9的輸入包括convr82的輸出和convr81的輸入，全連接層Fc10的輸入是平均池化層AvgPool9的輸入。

普通卷積層conv1的作用是學(xué)習(xí)全局性特征，池化層pool1的作用是降低卷積層輸出的特征向量，同時(shí)改善結(jié)果，降低過(guò)擬合出現(xiàn)的可能性。八個(gè)殘差學(xué)習(xí)單元的作用是學(xué)習(xí)特征的同時(shí)提高精度，平均池化層AvgPool9的作用是對(duì)這一層的輸入進(jìn)行降采樣操作。最后一個(gè)全連接層Fc10構(gòu)成一個(gè)20分類(lèi)器，對(duì)輸入的柴油車(chē)尾氣煙度圖像分類(lèi)。

4、深度殘差學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練，驗(yàn)證和測(cè)試。

4.1)深度殘差學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建完成之后，對(duì)柴油車(chē)尾氣煙度數(shù)據(jù)集中進(jìn)行預(yù)處理，具體包括對(duì)數(shù)據(jù)集中的柴油車(chē)尾氣圖像進(jìn)行尺度增強(qiáng)、隨機(jī)采樣和減像素均值操作。

4.2)將預(yù)處理后的圖像作為深度殘差學(xué)習(xí)網(wǎng)絡(luò)的輸入進(jìn)行訓(xùn)練，同時(shí)對(duì)驗(yàn)證集進(jìn)行過(guò)擬合檢查，即判斷深度殘差學(xué)習(xí)網(wǎng)絡(luò)對(duì)驗(yàn)證集圖像處理的損失函數(shù)是否呈現(xiàn)先下降,后反而上升的現(xiàn)象，當(dāng)驗(yàn)證集的損失函數(shù)不再下降時(shí)候，即可暫時(shí)停止訓(xùn)練。將預(yù)處理后的測(cè)試集圖像作為訓(xùn)練終止后的深度殘差學(xué)習(xí)網(wǎng)絡(luò)的輸入，將此時(shí)網(wǎng)絡(luò)的輸出與步驟2中的標(biāo)簽值進(jìn)行比較，若測(cè)試集精度超過(guò)99％，則訓(xùn)練完成，否則，繼續(xù)訓(xùn)練。

5、對(duì)于沒(méi)有安裝汽柴一體化機(jī)動(dòng)車(chē)尾氣遙測(cè)裝置的路段，在道邊布設(shè)CCD攝像機(jī)以獲取柴油車(chē)尾氣圖像，并輸入到訓(xùn)練完成的深度殘差學(xué)習(xí)網(wǎng)絡(luò)中，從而實(shí)現(xiàn)對(duì)柴油車(chē)尾氣煙度的檢測(cè)。

本發(fā)明與現(xiàn)有技術(shù)相比優(yōu)點(diǎn)在于：

(1)本發(fā)明提出一種深度殘差學(xué)習(xí)網(wǎng)絡(luò)，將其運(yùn)用到柴油車(chē)尾氣煙度測(cè)量中，比于普通的深度神經(jīng)網(wǎng)絡(luò)，它更容易優(yōu)化，并且隨著層數(shù)的增多，它的性能表現(xiàn)逐漸提升。相比較于專(zhuān)利號(hào)CN102737247A中直接使用圖像處理對(duì)柴油機(jī)煙度進(jìn)行測(cè)量的方法，使用的深度殘差學(xué)習(xí)網(wǎng)絡(luò)，不必對(duì)視頻圖像進(jìn)行煙霧區(qū)域的分割和提取，能夠保證圖像的全局性，提高了檢測(cè)的準(zhǔn)確率，同時(shí)具有更強(qiáng)的泛化能力。

(2)本發(fā)明涉及一種基于深度殘差學(xué)習(xí)的柴油車(chē)尾氣煙度檢測(cè)，相比于傳統(tǒng)的林格曼黑度望遠(yuǎn)鏡和煙度計(jì)，可以對(duì)道路上行駛的車(chē)輛進(jìn)行在線監(jiān)測(cè)，不會(huì)對(duì)交通產(chǎn)生影響，節(jié)約了人力物力，并且避免了檢測(cè)過(guò)程中作弊現(xiàn)象的發(fā)生。

附圖說(shuō)明

圖1為本發(fā)明的深度殘差學(xué)習(xí)網(wǎng)絡(luò)測(cè)量柴油機(jī)煙度圖；

圖2為本發(fā)明的殘差學(xué)習(xí)單元?dú)埐顚W(xué)習(xí)單元；

圖3為本發(fā)明的20層深度殘差學(xué)習(xí)網(wǎng)絡(luò)；

圖4為本發(fā)明跨層連接沒(méi)有卷積操作圖。

具體實(shí)施方式

如圖1所示，本發(fā)明具體實(shí)施步驟如下：

1.在道路的一邊兩旁架設(shè)CCD高速攝像。

1.1)CCD攝像機(jī)對(duì)柴油車(chē)尾氣視屏進(jìn)行記錄。它將被攝物體反射光線傳播到鏡頭，再經(jīng)鏡頭聚焦到CCD芯片上，CCD根據(jù)光的強(qiáng)弱積聚相應(yīng)比例的電荷，各個(gè)像素積累的電荷在視屏?xí)r序的控制下點(diǎn)外移，經(jīng)過(guò)濾波、放大處理后，形成視屏信號(hào)輸出。視頻信號(hào)連接到監(jiān)視器的視頻輸入端便可以看到與原始圖像相同的視頻圖像。

1.2)用圖像采集卡將圖像信息采集到電腦中。將CCD攝像機(jī)記錄的視頻圖像可以經(jīng)過(guò)圖像采集卡傳輸?shù)诫娔X上，將這些圖像按照75％、10％、15％的比例分成三個(gè)部分，作為深度學(xué)習(xí)的訓(xùn)練集，驗(yàn)證集和測(cè)試集。具體做法是將采集到的100萬(wàn)張柴油車(chē)尾氣圖片分成了訓(xùn)練集(750000張共20類(lèi))、驗(yàn)證集和測(cè)試集(共150000張20類(lèi))，每個(gè)類(lèi)別放在一個(gè)單獨(dú)的文件夾里。并且將所有的圖像，都生成了txt列表清單(train.txt和test.txt)。為之后的網(wǎng)絡(luò)訓(xùn)練做準(zhǔn)備。

1.3)對(duì)于深度殘差網(wǎng)絡(luò)的訓(xùn)練本發(fā)明一般都是在caffe下進(jìn)行的，所以在訓(xùn)練之前本發(fā)明做如下操作。

1.3.1)圖片準(zhǔn)備：將采集到的100萬(wàn)張柴油車(chē)尾氣圖片分成了訓(xùn)練集(750000張共20類(lèi))、驗(yàn)證集(100000張)和測(cè)試集(共150000張20類(lèi))，每個(gè)類(lèi)別放在一個(gè)單獨(dú)的文件夾里。并且將所有的圖片，都生成了txt列表清單(train.txt和test.txt)。為之后的網(wǎng)絡(luò)訓(xùn)練做準(zhǔn)備。

1.3.2)導(dǎo)入caffe庫(kù)，并設(shè)定文件路徑。需要在caffe中設(shè)定根目錄、訓(xùn)練圖片列表、測(cè)試圖片列表、訓(xùn)練配置文件、測(cè)試配置文件和參數(shù)文件的路徑。其中訓(xùn)練圖片列表和測(cè)試圖片列表(train.txt和test.txt)在上一步中已經(jīng)準(zhǔn)備好了，其它三個(gè)文件，需自己編寫(xiě)。

1.3.3)生成配置文件(配置文件中存放的就是netwotk)。配置文件實(shí)際上就是一些txt文檔，只是后綴名是prototxt，可以直接到編輯器里編寫(xiě)，也可以用代碼生成。在本發(fā)明中直接在編輯器里編寫(xiě)。

1.3.4)生成參數(shù)文件solver。這個(gè)文件的生成也是可以在編輯器里編寫(xiě)，或者可以用代碼生成。本發(fā)明中在編輯器中編寫(xiě)。

2.在道路的另一邊架設(shè)汽柴一體化機(jī)動(dòng)車(chē)尾氣遙測(cè)裝置。汽柴一體化機(jī)動(dòng)車(chē)尾氣遙測(cè)裝置是來(lái)對(duì)柴油車(chē)的尾氣煙度做直接的測(cè)量，并作為深度學(xué)習(xí)網(wǎng)絡(luò)的label，用于對(duì)圖像的訓(xùn)練。這里主要是利用汽柴一體化機(jī)動(dòng)車(chē)尾氣遙測(cè)裝置中的柴油車(chē)煙度檢測(cè)單元測(cè)量柴油車(chē)的煙度，其原理是煙度光源發(fā)出的檢測(cè)激光穿過(guò)道路上柴油機(jī)動(dòng)車(chē)排放的尾氣照射到另一側(cè)的柴油煙度吸收檢測(cè)單元上，并由吸收檢測(cè)第單元將接收到的光線的亮度數(shù)據(jù)，發(fā)送至數(shù)據(jù)處理工控機(jī)。尾氣數(shù)據(jù)處理工控機(jī)根據(jù)光線的亮度衰減分析得到柴油尾氣的煙度。

3.構(gòu)建深度殘差學(xué)習(xí)網(wǎng)絡(luò)。

3.1)本發(fā)明中使用20層深度殘差網(wǎng)絡(luò)如圖3所示。圖3中image表示輸入的圖像，第一個(gè)方框內(nèi)7*7conv表示卷積層的卷積核為7*7；64表示特征映射的大?。?2表示這層的步長(zhǎng)為2。下面每個(gè)方框中的內(nèi)容與第一個(gè)方框的內(nèi)容類(lèi)似，如果沒(méi)有/2表示這一層的步長(zhǎng)為1。圖中pool1表示最大池化層，Avg pool9表示平均池化層。Fc10則表示20維全連接層。實(shí)線的跨層連接表示輸入輸出大小相同，虛線的跨層連接表示輸入輸出大小不相同?？偟膩?lái)說(shuō)，這20層深度殘差學(xué)習(xí)網(wǎng)絡(luò)依次為一層卷積層,一層池化層,8個(gè)跨度為2的殘差學(xué)習(xí)單元,一個(gè)全局平均池化層和一個(gè)20維全連接層。

3.1.1)網(wǎng)絡(luò)的前兩層分別是卷積核為7*7、步長(zhǎng)為2的卷積層和一個(gè)池化層。

3.1.2)深度殘差學(xué)習(xí)單元的構(gòu)建主要包括跨層連接。如圖2是殘差學(xué)習(xí)單元的構(gòu)建模塊，其中x和y是層的輸入和輸出向量，weight layer是具有權(quán)重的卷積層，identity表示身份映射，relu表示激活函數(shù)。函數(shù)F(x,{W_i})代表學(xué)習(xí)的殘差函數(shù)，圖2所示有兩個(gè)層，消除了簡(jiǎn)化符號(hào)的偏差。F+x的操作是是由快捷連接和增加的元素智能進(jìn)行的。本發(fā)明中構(gòu)建的模塊定義為：

y＝F(x,{W_i})+x (1)

從公式(1)中涉及的快捷連接看出，殘差單元沒(méi)有額外的參數(shù)和復(fù)雜的計(jì)算，這樣在實(shí)際工程中能夠降低硬件成本。殘差函數(shù)F層數(shù)的設(shè)計(jì)是靈活的，在本發(fā)明中，F(xiàn)是兩層的殘差函數(shù)。

一般的網(wǎng)絡(luò)有兩種殘差單元，一種是前向通道和跨層連接都有卷積層，另一種前向通道有卷積，但是跨層連接沒(méi)有卷積，是直接連過(guò)來(lái)的。本發(fā)明中20層深度殘差網(wǎng)絡(luò)的殘差單元的跨層連接沒(méi)有卷積單元如圖4所示。圖4是圖2殘差學(xué)習(xí)單元的具體化，圖4中Res2a，Res2b分別表示殘差學(xué)習(xí)單元的輸入，輸出；Res2a_relu，Res2b_relu和Res2b_branch2a_relu表示激活函數(shù)，Res2b_branch2a和Res2b_branch2b表示卷積層，Bn2b_branch2a與Scale2b_branch2a這兩層表示BN層，Bn2b_branch2b與Scale2b_branch2b這兩層也表示BN層。

將殘差學(xué)習(xí)單元的其中前向通道的卷積核設(shè)置為3*3，每層卷積層根據(jù)卷積核的大小進(jìn)行補(bǔ)零，讓卷積之后的圖像大小保持不變，就保證輸入輸出的大小是一樣了。并且如圖4所示每一個(gè)深度殘差模塊的具體構(gòu)建都是從上一層的relu函數(shù)開(kāi)始與下一層的卷積層連接，然后通過(guò)BN層將層的計(jì)算結(jié)果重新規(guī)范化，然后再加以放縮以保持層學(xué)習(xí)到的特征性質(zhì)。之后是池化過(guò)程，池化之后使用relu函數(shù)激活就可以連接下一層了，由于本發(fā)明中使用2層的跨度，要注意在搭建網(wǎng)絡(luò)時(shí)主路的第二層卷積模塊是沒(méi)有relu的，relu在與殘差部分融合之后。

3.1.3)在深度殘差模塊之后接一個(gè)全局平均池化層和的20維全連接層。最后通過(guò)softmax層來(lái)最小化輸出和目標(biāo)的損失函數(shù)來(lái)驅(qū)動(dòng)學(xué)習(xí)。

3.2)20層深度殘差網(wǎng)絡(luò)主要包括卷積層、池化層、全連接層和一些跨層連接組成。

3.2.1)卷積層中主要是通過(guò)一組濾波器和非線性層變換，提取出圖像的局部特征。其中每個(gè)神經(jīng)元都是與前一層的局部感受區(qū)相連，這樣既減少了連接的數(shù)目，又符合生物學(xué)理論。因?yàn)槿四X的每一個(gè)神經(jīng)元對(duì)外界的感受是局部的，而且圖像的空間聯(lián)系也是局部的，每個(gè)神經(jīng)元感受不同的局部區(qū)域，最后在高層將這些局部信息綜合起來(lái)就得到全局的信息。卷積層的輸入要么來(lái)源于輸入層，要么來(lái)源于采樣層。卷積層的map個(gè)數(shù)是在網(wǎng)絡(luò)初始化指定的，本發(fā)明中map為64，而卷積層的map的大小是由卷積核和上一層輸入map的大小決定的，假設(shè)上一層的map大小是n*n、卷積核的大小是k*k，那該層的map大小計(jì)算公式是：(n-k+1)*(n-k+1)。

3.2.2)池化層主要是將卷積之后的特征圖進(jìn)行匯聚統(tǒng)計(jì)，它也叫降采樣層。在圖像經(jīng)過(guò)卷積層后特征向量的維數(shù)一般很大，容易造成計(jì)算過(guò)擬合，并且還存在許多冗余信息，這些問(wèn)題可以通過(guò)池化層解決。池化操作也符合圖像的局部相關(guān)性原理，一個(gè)圖像區(qū)域有用的特征極有可能在另一個(gè)區(qū)域同樣適用。本發(fā)明中區(qū)域大小為2*2小區(qū)域的均值。(注意，卷積的計(jì)算窗口是有重疊的，而采用的計(jì)算窗口沒(méi)有重疊，卷積核是2*2，每個(gè)元素都是1/4，所以需要去掉計(jì)算得到的卷積結(jié)果中有重疊的部分。)

3.2.3)全連接層是在使用神經(jīng)網(wǎng)絡(luò)的時(shí)候，最標(biāo)準(zhǔn)的形式，任何神經(jīng)元和上一層的任何神經(jīng)元之間都有關(guān)聯(lián)，然后矩陣運(yùn)算也非常簡(jiǎn)單和直接。本發(fā)明中在網(wǎng)絡(luò)的最后使用了一層20維的全連接層，去學(xué)習(xí)更多的信息。

3.2.4)關(guān)于網(wǎng)絡(luò)的跨層連接，當(dāng)輸入輸出大小相同的時(shí)候，使用實(shí)心線的捷徑，身份快捷鍵(公式(1))可以直接使用。當(dāng)尺寸增加時(shí)使用虛線快捷鍵，在本發(fā)明快捷方式仍然執(zhí)行身份映射，用額外的零條目填充以便增加尺寸。該選項(xiàng)不會(huì)引入額外的參數(shù)?？旖萱I以?xún)蓚€(gè)大小在功能地圖上進(jìn)行，兩個(gè)選項(xiàng)進(jìn)行2跨度。

3.3)下表是本發(fā)明中深度殘差網(wǎng)絡(luò)的架構(gòu)：

4.使用構(gòu)建好的深度殘差學(xué)習(xí)網(wǎng)絡(luò)按照以下步驟進(jìn)行訓(xùn)練、驗(yàn)證和測(cè)試。

4.1)將采集到訓(xùn)練集的尾氣圖像進(jìn)行預(yù)處理：按其短邊作等比縮放后按照[256,480]區(qū)間的尺寸隨機(jī)采樣進(jìn)行尺度增強(qiáng)。隨機(jī)的從圖像或其水平鏡像采樣大小為224*224的剪裁圖像，并將剪裁結(jié)果做減像素均值操作。然后進(jìn)行標(biāo)準(zhǔn)色彩增強(qiáng)，并初始化網(wǎng)絡(luò)權(quán)重。在每一個(gè)卷積之后和激活之前，采用了BN層。當(dāng)訓(xùn)練深度殘差網(wǎng)絡(luò)時(shí)，使用的隨機(jī)梯度下降法(SGD)，batch大小為128，Momentum設(shè)置為0.9?；A(chǔ)學(xué)習(xí)率設(shè)置從0.0001開(kāi)始，中間根據(jù)結(jié)果多次改變學(xué)習(xí)率進(jìn)行優(yōu)化，當(dāng)訓(xùn)練集的損失函數(shù)和驗(yàn)證集的損失函數(shù)滿足要求時(shí)候停止訓(xùn)練。

4.2)訓(xùn)練集的圖像作為訓(xùn)練輸入，驗(yàn)證集在訓(xùn)練網(wǎng)絡(luò)的過(guò)程中每迭代1000次進(jìn)行一次測(cè)試，比較驗(yàn)證集的損失函數(shù)和訓(xùn)練集的損失函數(shù)。當(dāng)驗(yàn)證集的損失函數(shù)不再下降時(shí)候，即可暫時(shí)停止訓(xùn)練。將預(yù)處理后的測(cè)試集圖像作為訓(xùn)練終止后的深度殘差學(xué)習(xí)網(wǎng)絡(luò)的輸入，將此時(shí)網(wǎng)絡(luò)的輸出與步驟2中的標(biāo)簽值進(jìn)行比較，若測(cè)試集精度超過(guò)99％，則訓(xùn)練完成，否則，繼續(xù)訓(xùn)練。

5、對(duì)于沒(méi)有安裝汽柴一體化機(jī)動(dòng)車(chē)尾氣遙測(cè)裝置的路段，在道邊布設(shè)CCD攝像機(jī)以獲取柴油車(chē)尾氣圖像，并輸入到訓(xùn)練完成的深度殘差學(xué)習(xí)網(wǎng)絡(luò)中，從而實(shí)現(xiàn)對(duì)柴油車(chē)尾氣煙度的檢測(cè)。

至此，深度殘差網(wǎng)絡(luò)的測(cè)試完成，本發(fā)明使用深度殘差網(wǎng)絡(luò)測(cè)量柴油機(jī)煙度發(fā)現(xiàn)結(jié)果優(yōu)于之前所用方法的準(zhǔn)確率，即將深度殘差學(xué)習(xí)網(wǎng)絡(luò)用于柴油車(chē)煙度的測(cè)量是一個(gè)很有前景的方法。

提供以上實(shí)施例僅僅是為了描述本發(fā)明的目的，而并非要限制本發(fā)明的范圍。本發(fā)明的范圍由所附權(quán)利要求限定。不脫離本發(fā)明的精神和原理而做出的各種等同替換和修改，均應(yīng)涵蓋在本發(fā)明的范圍之內(nèi)。