[發(fā)明專利]基于深度學(xué)習(xí)的面向南極夜空云圖的云量等級分類方法在審
| 申請?zhí)枺?/td> | 202110826051.X | 申請日: | 2021-07-21 |
| 公開(公告)號: | CN113435539A | 公開(公告)日: | 2021-09-24 |
| 發(fā)明(設(shè)計)人: | 湯善江;郭斌;孫超;于策;肖健 | 申請(專利權(quán))人: | 天津大學(xué) |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06K9/00;G06N3/04;G06N3/08 |
| 代理公司: | 天津市尚儀知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12217 | 代理人: | 鄧琳 |
| 地址: | 300072*** | 國省代碼: | 天津;12 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 深度 學(xué)習(xí) 面向 南極 夜空 云圖 云量 等級 分類 方法 | ||
本申請涉及一種基于深度學(xué)習(xí)的面向南極夜空云圖的云量等級分類方法,包括:預(yù)處理云圖,將符合模型輸入要求的云圖分為訓(xùn)練集和測試集;建立南極夜空云圖識別模型;在南極夜空云圖識別模型中導(dǎo)入訓(xùn)練集的云圖數(shù)據(jù)以調(diào)整南極夜空云圖識別模型的參數(shù);在南極夜空云圖識別模型中導(dǎo)入測試集的云圖數(shù)據(jù)以驗證分類的正確性。本申請解決了現(xiàn)有技術(shù)中的圖像識別分類方法對夜間的云量圖像識別分類準確率低的問題。
技術(shù)領(lǐng)域
本申請涉及圖像識別分類技術(shù)領(lǐng)域,尤其涉及一種基于深度學(xué)習(xí)的面向南極夜空云圖的云量等級分類方法
背景技術(shù)
對于天文選址,云量是首先需要考慮的因素之一。云量的監(jiān)測方法包括目視觀測、衛(wèi)星探測和地面相機拍攝。裝備有魚眼鏡頭的全天相機拍攝的全天空地基云圖,具有很高的空間和時間分辨率,其分析結(jié)果能夠準確反映當?shù)氐脑屏扛采w與變化特征。因此,云量相機的監(jiān)測方法得到了廣泛的應(yīng)用,如TMT(Thirty Meter Telescope)和LSST(LargeSynoptic Survey Telescope)等項目都積極采用了All-Sky-Camera對候選站點進行云量的監(jiān)測和分析。
針對白天的云量圖像,基于云和大氣對光散射存在差異,可以將藍/紅兩個波段的亮度比作為區(qū)分云和晴空的依據(jù),采用閾值分割方法即可將云和背景分開并計算云量,但是對于夜間的云量圖像,簡單的閾值分割方法不足以區(qū)分云和夜空。較為粗略的方法是將圖像制作成相應(yīng)的動畫,肉眼判斷云量大小,這種人工方法需要設(shè)置有效的判斷依據(jù),但人為因素的影響不能忽視。
近年來,基于深度學(xué)習(xí)的圖像分類方法逐漸成熟,依賴大型卷積神經(jīng)網(wǎng)絡(luò)對圖像特征進行提取和抽象,相比基于傳統(tǒng)圖像處理的舊方法在分類精度上得到了很大的提高。該方法的特點是需要積累大量的已標注圖像數(shù)據(jù)進行訓(xùn)練。
發(fā)明內(nèi)容
本申請的目的在于,提出一種基于深度學(xué)習(xí)的面向南極夜空云圖的云量等級分類方法,以解決現(xiàn)有技術(shù)中的圖像識別分類方法對夜間的云量圖像識別分類準確率低的問題。
為了達到上述目的,本申請采用如下技術(shù)方案:
一種基于深度學(xué)習(xí)的面向南極夜空云圖的云量等級分類方法,包括如下步驟:
S1:將南極夜空云圖進行預(yù)處理,得到符合模型輸入要求的云圖;將所述符合模型輸入要求的云圖分為訓(xùn)練集和測試集;
S2:建立用于圖像識別的ResNet50卷積神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型,修改所述ResNet50卷積神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型為南極夜空云圖識別模型;
S3:在所述南極夜空云圖識別模型中導(dǎo)入所述訓(xùn)練集的云圖數(shù)據(jù)以調(diào)整南極夜空云圖識別模型的參數(shù);
S4:在所述南極夜空云圖識別模型中導(dǎo)入所述測試集的云圖數(shù)據(jù)以驗證分類的正確性。
優(yōu)選的,所述步驟S1中對所述南極夜空云圖進行預(yù)處理,得到符合模型輸入要求的云圖;將所述符合模型輸入要求的云圖分為訓(xùn)練集和測試集,包括如下步驟:
S11:將所述南極夜空云圖分為N類并標注,屬于同一類的云圖放在同一個文件夾;
S12:對所述云圖采用如下數(shù)據(jù)處理的方法:
S121:對步驟S11處理后的云圖使用resize函數(shù)做縮放處理,所得圖像大小為224*224*3;
S122:對步驟S121縮放處理后的云圖進行隨機水平翻轉(zhuǎn)操作;
S13:對步驟S12處理后的云圖進行標準化處理,使得網(wǎng)絡(luò)對云圖的動態(tài)變化不敏感,主要操作如(1)式:
其中,Ii詘為圖片的紅綠藍三通道像素值;M為三通道像素值的均值;AS如(2)式:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于天津大學(xué),未經(jīng)天津大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110826051.X/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標記或含有代碼標記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 根據(jù)用戶學(xué)習(xí)效果動態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個人化學(xué)習(xí)服務(wù)的方法
- 漸進式學(xué)習(xí)管理方法及漸進式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強化學(xué)習(xí)的自適應(yīng)移動學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





