当前位置:主页 > 科技论文 > 自动化论文 >

云层背景图像机器学习分类方法研究

发布时间:2022-01-16 22:52
  云层在气候预测、气象服务等领域中起着非常重要的作用。现存的天基或地基云层图像分类任务多为人工完成,消费大量的人力,而且由于观察者的不同标准导致分类结果模棱两可。在这种背景下,本论文以天基和地基两种云层图像数据集TCdata和SCdata为数据源,进行了云层背景图像机器学习自动分类方法的研究,开展了以下四个方面的研究工作。(1)在基于卷积神经网络的云层背景图像分类方法方面,研究了基于卷积神经网络的云层背景图像分类方法的结构与训练过程,并在Tensor Flow开发环境中,搭建了卷积神经网络的训练与测试平台。(2)在数据集的制作与处理方面,制作了天基和地基两种云层图像数据集TCdata和SCdata数据集,并对二者进行了数据预处理、数据增强、数据集划分和数据集存储等处理。这两种数据集中云层图像的特征复杂度,为不同结构的卷积神经网络的对比实验研究提供了数据支撑。(3)在简单图像分类模型的设计与改进方面,以Le Net模型和Alex Net模型为基础设计了STCnet模型,在TCdata和SCdata数据集上的分类准确率都能达到96%以上。实验证明了池化层在STCnet模型中的重要作用,并在模... 

【文章来源】:哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】:73 页

【学位级别】:硕士

【部分图文】:

云层背景图像机器学习分类方法研究


Cortana中的两个系统变量然后,在Nvidia官方网站下载cuDNN,把bin路径加入到系统变量Path中

版本,指示符,系统变量,官方


课题所应用的主机配置参数为:CPU——IntelCorei7-3770;GPU— 6000;操作系统——Windows7-64 位操作系统。所采用的Python harm。先,在 Nvidia 官方网站下载 CUDA(Compute Unified Device Archit进行安装,在 Cortana 的系统变量中查看以下两个变量。如图 2-5令指示符中输入 nvcc-v 命令行,可以出现 Nvidia CUDA 的版本对深度学习库进行 GPU 加速,极大地缩减了运算时间成本。图 2-5Cortana 中的两个系统变量后,在 Nvidia 官方网站下载 cuDNN,把 bin 路径加入到系统变量后,在 cmd 命令指示符中键入 pipinstalltensorflow-gpu,即可安装所示。

示意图,计算图,示意图,前端系统


Windows TensorFlow软件平台CPU GPU硬件平台 基于 TensorFlow 的卷积神经网络开发流程与方法架包括前端和后端两个部分,中,前端系统提供编程模型,负计算图。计算图是TensorFlow的算图上的节点。如图 2-8 所示是的计算图示意图。

【参考文献】:
期刊论文
[1]基于卷积神经网络超分辨率重建的遥感图像融合[J]. 薛洋,曾庆科,夏海英,王文涛.  广西师范大学学报(自然科学版). 2018(02)
[2]雹云图像的识别指标设计[J]. 王雪,廖飞佳,李国东,郭坤.  哈尔滨理工大学学报. 2016(01)

硕士论文
[1]天基大气背景图像数据分类方法与特性分析[D]. 许秀雯.哈尔滨工业大学 2017
[2]基于卷积神经网络的高光谱数据分类方法研究[D]. 宋欣益.哈尔滨工业大学 2016
[3]基于卷积神经网络的卫星云量计算[D]. 王舰锋.南京信息工程大学 2016
[4]基于深度学习的图像分类及其在高光谱图像中的应用研究[D]. 李新国.南京航空航天大学 2016
[5]基于深度卷积神经网络的毫米波图像目标检测方法研究[D]. 施荣.哈尔滨工业大学 2015
[6]基于卷积神经网络的行为识别研究[D]. 吴杰.电子科技大学 2015
[7]基于卷积神经网络的人脸识别研究[D]. 叶浪.东南大学 2015



本文编号:3593572

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3593572.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户eecdb***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com