基于CNN和迁移学习的室外天气图像分类研究与应用
发布时间：2020-12-16 15:21
及时且准确的天气信息有助于自动驾驶、智能监控、智慧交通等智能系统做出最优的决策。本文将研究如何从单张图像中获取当前环境的天气信息,这一研究领域被称作天气图像分类。目前,通用图像分类问题已经有较好的解决方案,但是天气图像分类任务仍面临许多挑战。例如,天气图像数据集规模较小,模型难以训练优化;表示不同天气状况的图像中存在大量相同的目标和特征;天气图像的细分类问题被忽略。基于以上问题和挑战,首先,本文构建了面向户外输电线路场景的四类天气图像数据集(FWID),此数据集包含雾天、雨天、雪天和晴天四类天气,一共有5395张标记图像。在四类天气图像数据集的基础上,本文还构建了分块天气图像数据集(BWID)、细分天气图像数据集(SWID)。其次,针对天气图像数据集规模小、模型难以训练的问题,本文设计并实现了基于深度迁移学习的天气图像分类方法;此方法将迁移学习技术应用到深度卷积神经网络模型中,能够极大地提升模型训练优化速度。然后,针对表示不同天气状况的图像中存在大量相同的目标和特征这一问题,本文提出并实现了基于分块图像和投票策略的天气图像分类方法;此方法将一张完整图像切割成几个小块,再利用卷积神经网络...
【文章来源】： 米俊桦 电子科技大学
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
构造决策树
第二章天气图像数据集10第二章天气图像数据集众所周知，目前机器学习模型和深度学习模型的训练、更新、优化，都依赖于海量的标注数据。科研学者或企业在进行算法研究或应用开发之前，首先要构建相关领域的数据集。目前有很多开放的数据集，例如，用于解决大规模图像识别任务的数据集ImageNet，用于验证目标检测算法的PASCALVOC数据集和COCO数据集，用于解决人脸检测与识别的AFLW数据集和WIDERFACE数据集，用于解决自动驾驶任务的BaiduApolloscapes数据集，用于三维重建的Matterport数据集。算法研究与数据集是紧密联系的，然而在天气图像分类领域，目前公开的数据集较少。Two-ClassWeatherDataset数据集只包含晴天和阴天两种天气，Image2Weather数据集的原始图片完全来源于网络。为了完成本课题的研究工作，本文构建了户外输电线路场景下的天气图像数据集。2.1数据获取与标注2.1.1原始图像获取本课题依托于成都思晗科技股份有限公司的智能环境图像语义分析系统项目，通过该项目部署在户外输电线路环境中摄像头来获取原始图像数据，具体的流程如图2-1所示。图2-1数据采集与获取
第二章天气图像数据集11首先，利用部署在输电线路杆塔上的RGB相机采集不同地点、不同时间的原始图像，并将采集的天气图像上传至FTP服务器存储。具体的，本课题所依托的智能环境图像语义分析系统主要是针对绝缘子、防震锤等输电线路部件进行缺陷检测与识别，因此，相机部署的位置固定，拍摄角度也是固定的。系统采集数据的周期为7天，采集时间为14点整，为了获取更多更有效的天气图像数据，本文将数据采集周期调整为4个小时，每个相机分别在8点、12点、16点采集一张图片。然后，将采集到的图片根据输电线路编号、相机编号以及采集时间（包括年月日时分秒）进行命名。依据相机拍摄目标，把图片分别存储到FTP服务器中不同的文件夹中（包括导线、地基、电线、金具、塔体、通道、绝缘子、防震锤、附属设施、接地装置、周边环境等），并且按月份不同单独保存。最后，通过FileZilla工具从服务器下载图像数据到本地计算机。FileZilla是一款开源免费FTP软件，它分为客户端软件和服务器端软件，图2-2为FileZilla客户端软件主界面。用户只需要输入主机IP地址、用户名及密码就可以快速连接到FTP服务器，然后下载或上传数据文件。图2-2FileZilla客户端软件因为本课题的主要任务是对天气图像进行分类，故主要从导线、通道、绝缘子、周边环境等文件夹中下载原始图像。图像拍摄的时间跨度为12个月，即从2018年2月至2019年1月。最终，一共获取了360000多张原始图像。2.1.2数据标注
【参考文献】：
期刊论文
[1]户外天气状况分类识别[J]. 史静,朱虹,韩勇. 计算机系统应用. 2018(04)
[2]基于贝叶斯分类的雾天和雨天两类天气图像自动识别[J]. 于浩,王孝通,徐冠雷. 舰船电子工程. 2016(09)
[3]基于K均值聚类算法的雾天识别方法研究[J]. 孟凡军,李天伟,徐冠雷,韩云东. 现代电子技术. 2015(22)
[4]基于深度学习的车标识别方法研究[J]. 彭博,臧笛. 计算机科学. 2015(04)
[5]基于室外图像的天气现象识别方法[J]. 李骞,范茵,张璟,李宝强. 计算机应用. 2011(06)
本文编号：2920375
【文章来源】： 米俊桦 电子科技大学
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
构造决策树
第二章天气图像数据集10第二章天气图像数据集众所周知，目前机器学习模型和深度学习模型的训练、更新、优化，都依赖于海量的标注数据。科研学者或企业在进行算法研究或应用开发之前，首先要构建相关领域的数据集。目前有很多开放的数据集，例如，用于解决大规模图像识别任务的数据集ImageNet，用于验证目标检测算法的PASCALVOC数据集和COCO数据集，用于解决人脸检测与识别的AFLW数据集和WIDERFACE数据集，用于解决自动驾驶任务的BaiduApolloscapes数据集，用于三维重建的Matterport数据集。算法研究与数据集是紧密联系的，然而在天气图像分类领域，目前公开的数据集较少。Two-ClassWeatherDataset数据集只包含晴天和阴天两种天气，Image2Weather数据集的原始图片完全来源于网络。为了完成本课题的研究工作，本文构建了户外输电线路场景下的天气图像数据集。2.1数据获取与标注2.1.1原始图像获取本课题依托于成都思晗科技股份有限公司的智能环境图像语义分析系统项目，通过该项目部署在户外输电线路环境中摄像头来获取原始图像数据，具体的流程如图2-1所示。图2-1数据采集与获取
第二章天气图像数据集11首先，利用部署在输电线路杆塔上的RGB相机采集不同地点、不同时间的原始图像，并将采集的天气图像上传至FTP服务器存储。具体的，本课题所依托的智能环境图像语义分析系统主要是针对绝缘子、防震锤等输电线路部件进行缺陷检测与识别，因此，相机部署的位置固定，拍摄角度也是固定的。系统采集数据的周期为7天，采集时间为14点整，为了获取更多更有效的天气图像数据，本文将数据采集周期调整为4个小时，每个相机分别在8点、12点、16点采集一张图片。然后，将采集到的图片根据输电线路编号、相机编号以及采集时间（包括年月日时分秒）进行命名。依据相机拍摄目标，把图片分别存储到FTP服务器中不同的文件夹中（包括导线、地基、电线、金具、塔体、通道、绝缘子、防震锤、附属设施、接地装置、周边环境等），并且按月份不同单独保存。最后，通过FileZilla工具从服务器下载图像数据到本地计算机。FileZilla是一款开源免费FTP软件，它分为客户端软件和服务器端软件，图2-2为FileZilla客户端软件主界面。用户只需要输入主机IP地址、用户名及密码就可以快速连接到FTP服务器，然后下载或上传数据文件。图2-2FileZilla客户端软件因为本课题的主要任务是对天气图像进行分类，故主要从导线、通道、绝缘子、周边环境等文件夹中下载原始图像。图像拍摄的时间跨度为12个月，即从2018年2月至2019年1月。最终，一共获取了360000多张原始图像。2.1.2数据标注
【参考文献】：
期刊论文
[1]户外天气状况分类识别[J]. 史静,朱虹,韩勇. 计算机系统应用. 2018(04)
[2]基于贝叶斯分类的雾天和雨天两类天气图像自动识别[J]. 于浩,王孝通,徐冠雷. 舰船电子工程. 2016(09)
[3]基于K均值聚类算法的雾天识别方法研究[J]. 孟凡军,李天伟,徐冠雷,韩云东. 现代电子技术. 2015(22)
[4]基于深度学习的车标识别方法研究[J]. 彭博,臧笛. 计算机科学. 2015(04)
[5]基于室外图像的天气现象识别方法[J]. 李骞,范茵,张璟,李宝强. 计算机应用. 2011(06)
本文编号：2920375
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2920375.html
