基于轻量型卷积神经网络的非固定场景天气识别算法

• 作者: 刘建业 徐海洋 王亚朝 赵伟
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 卷积神经网络 扩张卷积 深度可分离卷积 非固定场景 轻量型 多尺寸
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 152-156
• 页数: 5页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1902726

摘要

针对传统方法无法准确识别天气情况且计算量大的问题提出了一种基于轻量型卷积神经网络的非固定场景天气图像分类方法.该方法应用扩张卷积和深度分离卷积来提取天气特征信息,采用残差结构来防止网络退化,并且采用改进的空间金字塔池化层实现多尺寸图片的处理.经验证,所提方法可以对不同尺寸的非固定场景天气图片进行分类,在构建出的数据集上相对于经典分类卷积神经网络以196 M的计算量获得93.2％的准确率.所提方法一定程度上可以准确识别非固定场景的天气情况,并且具有应用到嵌入式平台上的前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘建业		518	6244	33.0	51.0
2	赵伟		113	818	16.0	21.0
3	王亚朝		2	0	0.0	0.0
4	徐海洋		1	0	0.0	0.0