發(fā)布時(shí)間：2020-12-16 15:21

　　及時(shí)且準(zhǔn)確的天氣信息有助于自動(dòng)駕駛、智能監(jiān)控、智慧交通等智能系統(tǒng)做出最優(yōu)的決策。本文將研究如何從單張圖像中獲取當(dāng)前環(huán)境的天氣信息,這一研究領(lǐng)域被稱作天氣圖像分類。目前,通用圖像分類問(wèn)題已經(jīng)有較好的解決方案,但是天氣圖像分類任務(wù)仍面臨許多挑戰(zhàn)。例如,天氣圖像數(shù)據(jù)集規(guī)模較小,模型難以訓(xùn)練優(yōu)化;表示不同天氣狀況的圖像中存在大量相同的目標(biāo)和特征;天氣圖像的細(xì)分類問(wèn)題被忽略�；�于以上問(wèn)題和挑戰(zhàn),首先,本文構(gòu)建了面向戶外輸電線路場(chǎng)景的四類天氣圖像數(shù)據(jù)集(FWID),此數(shù)據(jù)集包含霧天、雨天、雪天和晴天四類天氣,一共有5395張標(biāo)記圖像。在四類天氣圖像數(shù)據(jù)集的基礎(chǔ)上,本文還構(gòu)建了分塊天氣圖像數(shù)據(jù)集(BWID)、細(xì)分天氣圖像數(shù)據(jù)集(SWID)。其次,針對(duì)天氣圖像數(shù)據(jù)集規(guī)模小、模型難以訓(xùn)練的問(wèn)題,本文設(shè)計(jì)并實(shí)現(xiàn)了基于深度遷移學(xué)習(xí)的天氣圖像分類方法;此方法將遷移學(xué)習(xí)技術(shù)應(yīng)用到深度卷積神經(jīng)網(wǎng)絡(luò)模型中,能夠極大地提升模型訓(xùn)練優(yōu)化速度。然后,針對(duì)表示不同天氣狀況的圖像中存在大量相同的目標(biāo)和特征這一問(wèn)題,本文提出并實(shí)現(xiàn)了基于分塊圖像和投票策略的天氣圖像分類方法;此方法將一張完整圖像切割成幾個(gè)小塊,再利用卷積神經(jīng)網(wǎng)絡(luò)... 

【文章來(lái)源】： 米俊樺 電子科技大學(xué)

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

構(gòu)造決策樹(shù)

第二章天氣圖像數(shù)據(jù)集10第二章天氣圖像數(shù)據(jù)集眾所周知，目前機(jī)器學(xué)習(xí)模型和深度學(xué)習(xí)模型的訓(xùn)練、更新、優(yōu)化，都依賴于海量的標(biāo)注數(shù)據(jù)�？蒲袑W(xué)者或企業(yè)在進(jìn)行算法研究或應(yīng)用開(kāi)發(fā)之前，首先要構(gòu)建相關(guān)領(lǐng)域的數(shù)據(jù)集。目前有很多開(kāi)放的數(shù)據(jù)集，例如，用于解決大規(guī)模圖像識(shí)別任務(wù)的數(shù)據(jù)集ImageNet，用于驗(yàn)證目標(biāo)檢測(cè)算法的PASCALVOC數(shù)據(jù)集和COCO數(shù)據(jù)集，用于解決人臉檢測(cè)與識(shí)別的AFLW數(shù)據(jù)集和WIDERFACE數(shù)據(jù)集，用于解決自動(dòng)駕駛?cè)蝿?wù)的BaiduApolloscapes數(shù)據(jù)集，用于三維重建的Matterport數(shù)據(jù)集。算法研究與數(shù)據(jù)集是緊密聯(lián)系的，然而在天氣圖像分類領(lǐng)域，目前公開(kāi)的數(shù)據(jù)集較少。Two-ClassWeatherDataset數(shù)據(jù)集只包含晴天和陰天兩種天氣，Image2Weather數(shù)據(jù)集的原始圖片完全來(lái)源于網(wǎng)絡(luò)。為了完成本課題的研究工作，本文構(gòu)建了戶外輸電線路場(chǎng)景下的天氣圖像數(shù)據(jù)集。2.1數(shù)據(jù)獲取與標(biāo)注2.1.1原始圖像獲取本課題依托于成都思晗科技股份有限公司的智能環(huán)境圖像語(yǔ)義分析系統(tǒng)項(xiàng)目，通過(guò)該項(xiàng)目部署在戶外輸電線路環(huán)境中攝像頭來(lái)獲取原始圖像數(shù)據(jù)，具體的流程如圖2-1所示。圖2-1數(shù)據(jù)采集與獲取

第二章天氣圖像數(shù)據(jù)集11首先，利用部署在輸電線路桿塔上的RGB相機(jī)采集不同地點(diǎn)、不同時(shí)間的原始圖像，并將采集的天氣圖像上傳至FTP服務(wù)器存儲(chǔ)。具體的，本課題所依托的智能環(huán)境圖像語(yǔ)義分析系統(tǒng)主要是針對(duì)絕緣子、防震錘等輸電線路部件進(jìn)行缺陷檢測(cè)與識(shí)別，因此，相機(jī)部署的位置固定，拍攝角度也是固定的。系統(tǒng)采集數(shù)據(jù)的周期為7天，采集時(shí)間為14點(diǎn)整，為了獲取更多更有效的天氣圖像數(shù)據(jù)，本文將數(shù)據(jù)采集周期調(diào)整為4個(gè)小時(shí)，每個(gè)相機(jī)分別在8點(diǎn)、12點(diǎn)、16點(diǎn)采集一張圖片。然后，將采集到的圖片根據(jù)輸電線路編號(hào)、相機(jī)編號(hào)以及采集時(shí)間（包括年月日時(shí)分秒）進(jìn)行命名。依據(jù)相機(jī)拍攝目標(biāo)，把圖片分別存儲(chǔ)到FTP服務(wù)器中不同的文件夾中（包括導(dǎo)線、地基、電線、金具、塔體、通道、絕緣子、防震錘、附屬設(shè)施、接地裝置、周邊環(huán)境等），并且按月份不同單獨(dú)保存。最后，通過(guò)FileZilla工具從服務(wù)器下載圖像數(shù)據(jù)到本地計(jì)算機(jī)。FileZilla是一款開(kāi)源免費(fèi)FTP軟件，它分為客戶端軟件和服務(wù)器端軟件，圖2-2為FileZilla客戶端軟件主界面。用戶只需要輸入主機(jī)IP地址、用戶名及密碼就可以快速連接到FTP服務(wù)器，然后下載或上傳數(shù)據(jù)文件。圖2-2FileZilla客戶端軟件因?yàn)楸菊n題的主要任務(wù)是對(duì)天氣圖像進(jìn)行分類，故主要從導(dǎo)線、通道、絕緣子、周邊環(huán)境等文件夾中下載原始圖像。圖像拍攝的時(shí)間跨度為12個(gè)月，即從2018年2月至2019年1月。最終，一共獲取了360000多張?jiān)�始圖像。2.1.2數(shù)據(jù)標(biāo)注

【參考文獻(xiàn)】：
期刊論文
[1]戶外天氣狀況分類識(shí)別[J]. 史靜,朱虹,韓勇.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(04)
[2]基于貝葉斯分類的霧天和雨天兩類天氣圖像自動(dòng)識(shí)別[J]. 于浩,王孝通,徐冠雷.  艦船電子工程. 2016(09)
[3]基于K均值聚類算法的霧天識(shí)別方法研究[J]. 孟凡軍,李天偉,徐冠雷,韓云東.  現(xiàn)代電子技術(shù). 2015(22)
[4]基于深度學(xué)習(xí)的車標(biāo)識(shí)別方法研究[J]. 彭博,臧笛.  計(jì)算機(jī)科學(xué). 2015(04)
[5]基于室外圖像的天氣現(xiàn)象識(shí)別方法[J]. 李騫,范茵,張璟,李寶強(qiáng).  計(jì)算機(jī)應(yīng)用. 2011(06)



本文編號(hào)：2920375