针对复杂天气条件下冰雪路面识别准确率较低的问题,提出一种改进SE-ResNet50网络结构的冰雪路面检测方法。该方法的核心在于将SE通道注意力机制与ResNet50网络进行深度融合,为优化这一融合策略探索4种不同的迁移学习策略,包括调整模型最后全连接层、全阶段SE增强、仅在模型末尾阶段SE增强以及在每个残差块内部集成SE模块。经过训练与优化,确定SE-ResNet50的分类模型,该模型在路面状态分类任务中达到98.70%的高识别精确度。计算数据集上多种评估指标,利用混淆矩阵深入分析路面状态识别中易产生误判的类别。在数据集上进行训练和测试后,结果表明,SE-ResNet50模型取得了最佳的识别效果比第二名ResNet50的95.33%高出3.37个百分点,推理速度相较于AlexNet、VGG16和ResNet50分别提高了26.58%、32.97%、16.07%。
