龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：武汉科技大学
申请日：2024-03-27
公开（公告）日：2024-06-25
公开（公告）号：CN118247559A
主分类号：G06V10/764
分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/096;G06N3/0985
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明涉及图像处理领域，针对传统基于气象台提供的天气数据进行统计分析的天气识别方法存在的局限性，提出了一种基于图像的天气分类方法。首先，在深度神经网络MobileNetV2基础上，融入CA注意力机制，使网络更加关注于图像中重要的特征。接着建立了两个包含四种类别天气图像的数据集，并采用跨域迁移和域内迁移相结合的混合迁移学习策略训练网络，以提高模型在特定任务上的泛化能力。同时，还采用一系列对比实验来验证天气图像分类算法的可行性和可靠性。实验结果显示，本发明提出的方法对于天气图像的分类准确率可达到95.63％，模型大小仅为10.49MB，能够实现较高的天气图像分类准确率，且只占用少量的存储空间，在实际场景中具有很高的应用价值。
主权项：1.一种基于改进MobileNetV2的天气图像分类方法，其特征在于，包括如下步骤：步骤1、收集天气图像数据，从TWI、MWI、MWD及网络图像中收集晴天、雨天、雾天、雪天条件下的道路交通图像数据，并对图像进行预处理。步骤2、四类天气图像数据集的构建，筛选步骤1中收集的天气图像数据，构建两个四类天气图像数据集，分别为数据集A和数据集B，用于后续迁移学习。步骤3、模型改进，以MobileNetV2作为基准模型，嵌入CA注意力机制，得到改进后的模型。步骤4、设计训练策略，提出一种跨域迁移学习与域内迁移学习相结合的混合迁移学习策略。步骤5、模型训练，设置训练超参数，采用步骤4中提出的混合迁移学习策略对步骤3中的改进模型进行训练。步骤6、模型验证，设置验证参数对步骤5训练完成的模型进行验证。
全文数据：
权利要求：
百度查询： 武汉科技大学 一种基于改进MobileNetV2的天气图像分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号