[發明專利]地基云圖識別模型訓練方法及地基云圖識別方法

在審

• 申請號: 202010560153.7
• 申請日: 2020-06-18
• 公開（公告）號: CN111695640A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 段向軍;朱方園
• 申請（專利權）人: 南京信息職業技術學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 張倩倩

1.一種地基云圖識別模型訓練方法，其特征是，包括：

建立包括多種云類別的地基云圖樣本庫；

搭建卷積神經網絡AlexNet；

利用ImageNet圖像樣本庫對AlexNet網絡進行預訓練，得到預訓練的地基云圖識別模型；

從地基云圖樣本庫中選擇訓練集樣本，對預訓練的地基云圖識別模型進行倒推分層微調，保存倒推分層微調過程中對應不同微調階段的多個優化后地基云圖識別模型；

從地基云圖樣本庫中選擇驗證集樣本，對所述多個優化后地基云圖識別模型進行準確率驗證，將其中準確率最高的作為最終地基云圖識別模型。

2.根據權利要求1所述的方法，其特征是，還包括：

將地基云圖樣本庫中的地基云圖樣本劃分為訓練集、驗證集和測試集，訓練集、驗證集、測試集的樣本數量比值為8:1:1。

3.根據權利要求1所述的方法，其特征是，建立云圖樣本庫包括：

對應多種云類別分別獲取多個地基云圖圖像；

對獲取到的地基云圖圖像進行歸一化處理，得到像素大小一致的地基云圖圖像；

利用水平翻轉、調整亮度和/或隨機裁剪方法，對歸一化處理后的地基云圖圖像進行處理，將處理后的圖像作為新的地基云圖圖像樣本，使得云圖樣本庫的樣本數量增加至原數量的N倍。

4.根據權利要求1所述的方法，其特征是，所述卷積神經網絡AlexNet包括5個卷積層和3個全連接層，最后一個全連接層對應云圖樣本庫中的云類別數量設有相同數量的輸出節點。

5.根據權利要求5所述的方法，其特征是，云圖樣本庫中包括10種云類別的云圖像樣本，卷積神經網絡AlexNet的最后一個全連接層包括10個輸出節點。

6.根據權利要求1所述的方法，其特征是，對預訓練的地基云圖識別模型進行倒推分層微調為：從最后一層開始選擇為當前訓練層進行第一輪微調訓練，后續每輪依次向前遞加一層作為當前訓練層進行微調訓練；每一輪微調訓練凍結當前訓練層之外的其它所有層的網絡參數；對于當前訓練層進行訓練的參數設置包括：epoch數量，epoch中批處理的大小，最大迭代步數；微調訓練過程采用Adam優化器，通過小批量梯度下降法L2正則化反向傳播更新網絡權值參數；對于網絡中的前兩個全連接層采用隨機失活進行正則化；

每輪微調訓練中，批處理大小為32，最大迭代步數為2000步，訓練在180個epoch處停止；使用Adam優化器進行隨機優化時，當前訓練層的學習率為0.0001，學習率衰減為0.99，凍結層的學習率為0；所述L2正則化系數設置為0.001，隨機失活比例設置為0.5。

7.根據權利要求6所述的方法，其特征是，每輪對當前訓練層進行微調訓練過程中，將網絡收斂時的地基云圖識別模型作為相應微調階段的優化后地基云圖識別模型。

8.根據權利要求6所述的方法，其特征是，每輪對當前訓練層進行微調訓練的過程中，每迭代5步保存一次網絡參數。

9.一種利用權利要求1-8任一項所述地基云圖識別模型訓練方法訓練所得地基云圖識別模型的地基云圖識別方法，其特征是，包括：

采集待識別地基云圖；

對待識別地基云圖進行預處理；

將預處理后的地基云圖作為預先訓練的地基云圖識別模型的輸入，進行云圖識別；

將地基云圖識別模型輸出的云圖類別結果作為待識別地基云圖的云圖類別；

所述對待識別地基云圖進行預處理包括：

利用非線性插值方法將待識別地基云圖的大小調整到預設像素大小；所述預設像素大小與地基云圖識別模型訓練樣本的圖像像素相同。

10.一種利用權利要求1-8任一項所述地基云圖識別模型訓練方法訓練所得地基云圖識別模型的地基云圖識別裝置，其特征是，包括：

云圖采集模塊，被配置用于采集待識別地基云圖；

預處理模塊，被配置用于對待識別地基云圖進行預處理；

云圖識別模塊，被配置用于將預處理后的地基云圖作為預先訓練的地基云圖識別模型的輸入，進行云圖識別；

云圖識別結果確定模塊，別配置用于將地基云圖識別模型輸出的云圖類別結果作為待識別地基云圖的云圖類別。