基于迁移学习的天气图像识别

摘要：

为提高天气图像识别的准确率,达到良好的天气图像分类效果,提出一种基于迁移学习的天气图像识别算法.该算法使用Xception图像分类算法实现网络架构,再基于迁移学习理论将模型和参数应用到天气图像识别中,并在同一数据集上与其他模型进行性能对比.实验结果表明,基于迁移学习的改进Xception模型有效解决了训练样本不足、准确率低的问题,在提高天气图像识别方面取得了较好的效果,实现了对阴天、雾天、雨天、沙尘天、雪天、晴天6类天气的识别,总识别准确率达到94.39％.

关键词：图像识别、天气识别、图像分类、Xception、迁移学习

所属期刊栏目：40

分类号：TP391.41;TP183(计算技术、计算机技术)

在线出版日期：2021-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：22-26