作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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%.
推荐文章
基于深度学习的图像识别技术研究综述
图像识别
CNN
R-CNN
SPP-Net
FastR-CNN
一种利用迁移学习训练卷积神经网络的声呐图像识别方法
声呐成像
目标自动识别
卷积神经网络
迁移学习
基于Hadoop平台的图像识别
字符识别
Hadoop平台
图像识别
数据交换时间
基于深度迁移学习的农业病害图像识别
图像识别
迁移学习
深度学习
农业病害
大数据
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于迁移学习的天气图像识别
来源期刊 西华大学学报(自然科学版) 学科 工学
关键词 图像识别 天气识别 图像分类 Xception 迁移学习
年,卷(期) 2021,(1) 所属期刊栏目 计算机与信息技术
研究方向 页码范围 22-26
页数 5页 分类号 TP391.41|TP183
字数 语种 中文
DOI 10.12198/j.issn.1673-159X.3314
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孙伟帅 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (105)
共引文献  (91)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(10)
  • 参考文献(0)
  • 二级参考文献(10)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(11)
  • 参考文献(1)
  • 二级参考文献(10)
2016(8)
  • 参考文献(1)
  • 二级参考文献(7)
2017(10)
  • 参考文献(1)
  • 二级参考文献(9)
2018(21)
  • 参考文献(1)
  • 二级参考文献(20)
2019(8)
  • 参考文献(4)
  • 二级参考文献(4)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像识别
天气识别
图像分类
Xception
迁移学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西华大学学报(自然科学版)
双月刊
1673-159X
51-1686/N
大16开
四川省成都市金牛区
1982
chi
出版文献量(篇)
3399
总下载数(次)
6
总被引数(次)
16135
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导