深度学习在多天气分类算法中的研究与应用

摘要：

针对目前多天气识别分类问题,提出了一种基于深度学习和计算机视觉的天气现象自动分类算法.采集并建立了一个包括雾霾、沙尘、雨、雪、霜、露6类天气的适用于任意场景的多天气现象数据集,改善了目前已见报数据集规模小、种类单一、只面向特定场景的情况;同时采用密集连接和池化均衡的结构搭建深度卷积神经网络(CNN)模型,训练并挖掘天气数据的特征与内在规律,用深度学习方法实现天气现象的自动分类.实验结果表明:相比传统计算机视觉算法,该算法解决了严重依靠特征提取、适用场景单一问题;且比大多数深度网络模型参数更少、识别准确性更高,算法泛化性能大幅提升.

关键词：多天气分类、深度学习、卷积神经网络(CNN)、DenseNet、迁移学习

所属期刊栏目：30

资助基金：国家自然科学基金面上;北京市自然科学基金面上;先进信息网络北京实验室;华云升达气象科技有限责任公司委托

在线出版日期：2020-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1010-1017