期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
ImageNet数据能否帮助改进基于深度学习的云图分类准确率?
1
作者
季焱
叶灵熙
+6 位作者
黄智勇
彭婷
高智伟
孔德璇
吉璐莹
朱寿鹏
智协飞
《大气科学学报》
北大核心
2025年第3期389-403,共15页
精准的云属分类,对于区域天气形势预测和全球能量收支平衡具有重要意义。然而,准确客观地识别地基云图目前仍然存在挑战,尤其是当前可获得的标准云图数据不足,因此以数据驱动的深度学习云图分类模型性能有待进一步提高。本文探索了如何...
精准的云属分类,对于区域天气形势预测和全球能量收支平衡具有重要意义。然而,准确客观地识别地基云图目前仍然存在挑战,尤其是当前可获得的标准云图数据不足,因此以数据驱动的深度学习云图分类模型性能有待进一步提高。本文探索了如何利用非气象云图数据,如ImageNet数据集,帮助改进地基云图分类技巧。以世界气象组织定义的10类标准云属和1类尾迹云为分类对象,构建了基于卷积结构的ResNet50、MobileNet-V2和基于自注意力结构的ViT云图分类模型。结果表明,仅使用原始云图训练时,参数量较小的传统卷积结构网络要优于参数量庞大的ViT模型。然而,通过使用ImageNet数据集进行预训练后,ViT模型的云图分类技巧有了显著提升,预训练策略将平均F 1评分由0.78提高至0.96,超过了当前的主流分类模型。这表明,利用深度学习模型来实现云图分类是可靠且有效的途径,而预训练策略对于类似于ViT的大型网络而言更为重要。此外进一步将训练稳定的模型部署至移动端口(http://43.142.162.19:5174/),实现了通过上传拍摄云图进行实时分类,并提供相关的云类科普信息,推动气象云知识在社会公众中的普及程度。
展开更多
关键词
迁移学习
云图分类
ViT模型
预训练模型
非常规气象数据
在线阅读
下载PDF
职称材料
题名
ImageNet数据能否帮助改进基于深度学习的云图分类准确率?
1
作者
季焱
叶灵熙
黄智勇
彭婷
高智伟
孔德璇
吉璐莹
朱寿鹏
智协飞
机构
无锡学院大气与遥感学院
贵州省山地气象科学研究所
无锡市惠山生态环境局
江苏省泰州环境监测中心
南京气象科技创新研究院中国气象局交通气象重点开放实验室
南京信息工程大学气象灾害教育部重点实验室/气象灾害预报预警与评估协同创新中心
出处
《大气科学学报》
北大核心
2025年第3期389-403,共15页
基金
中国南方电网有限责任公司科技项目(YNKJXM20222172)
云南省中青年学术和技术带头人后备人才项目(202105AC160014)
+3 种基金
国家自然科学基金项目(42475151)
贵州省气象局省市联合科研基金项目(黔气科合SS[2023]38号)
贵州省基础研究计划(自然科学)面上项目(黔科合基础-zk[2025]面上319)
无锡学院引进人才科研启动专项。
文摘
精准的云属分类,对于区域天气形势预测和全球能量收支平衡具有重要意义。然而,准确客观地识别地基云图目前仍然存在挑战,尤其是当前可获得的标准云图数据不足,因此以数据驱动的深度学习云图分类模型性能有待进一步提高。本文探索了如何利用非气象云图数据,如ImageNet数据集,帮助改进地基云图分类技巧。以世界气象组织定义的10类标准云属和1类尾迹云为分类对象,构建了基于卷积结构的ResNet50、MobileNet-V2和基于自注意力结构的ViT云图分类模型。结果表明,仅使用原始云图训练时,参数量较小的传统卷积结构网络要优于参数量庞大的ViT模型。然而,通过使用ImageNet数据集进行预训练后,ViT模型的云图分类技巧有了显著提升,预训练策略将平均F 1评分由0.78提高至0.96,超过了当前的主流分类模型。这表明,利用深度学习模型来实现云图分类是可靠且有效的途径,而预训练策略对于类似于ViT的大型网络而言更为重要。此外进一步将训练稳定的模型部署至移动端口(http://43.142.162.19:5174/),实现了通过上传拍摄云图进行实时分类,并提供相关的云类科普信息,推动气象云知识在社会公众中的普及程度。
关键词
迁移学习
云图分类
ViT模型
预训练模型
非常规气象数据
Keywords
transfer learning
cloud classification
ViT model
pre-trained models
unconventional meteorological data
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
ImageNet数据能否帮助改进基于深度学习的云图分类准确率?
季焱
叶灵熙
黄智勇
彭婷
高智伟
孔德璇
吉璐莹
朱寿鹏
智协飞
《大气科学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
