-
题名基于小样本学习的地面结露结霜现象检测方法
被引量：1
- 1
-
-
作者
朱磊
张小虎
吴谨
-
机构
武汉科技大学信息科学与工程学院
-
出处
《现代电子技术》
北大核心
2019年第18期130-135,共6页
-
基金
国家自然科学基金项目(61502358)~~
-
文摘
在《地面气象观测规范》中,地面结露、结霜现象的观测是一项重要的项目.针对当前该项目仍处于需要人工观测的情况,利用结露和结霜发生时的成像信息,提出一种基于特征学习的结露和结霜两类现象的检测和分类方法.首先,通过提取多尺度的结构、纹理和颜色特征以形成对图像的语义描述,再对提取的特征采用Fisher向量编码器以扩充特征空间,并学习一个线性的支撑向量机作为最终的分类模型.与当前热门的、基于深度卷积网络的方法相比,该方法能够在极小样本规模的条件下取得高于深度模型的分类正确率.在国内多个地面观测站点获取的地面结露和结霜图像所制备的数据集上的测试结果表明,所提方法的正确率达到了80%以上.
-
关键词
地面气象观测
结露现象检测
结霜现象检测
特征提取
语义描述
图像分类
-
Keywords
surface meteorological observation
dew phenomenon detection
frost phenomenon detection
feature extraction
semantic description
image classification
-
分类号
TN911.23.34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多路特征融合和深度学习的露霜图像分类
被引量：7
- 2
-
-
作者
周忠义
吴谨
朱磊
-
机构
武汉科技大学信息科学与工程学院
-
出处
《计算机应用与软件》
北大核心
2018年第10期205-210,231,共7页
-
基金
国家自然科学基金青年项目(61502358)
-
文摘
针对基于特征变化进行露霜图像识别中特征提取难度较大的问题,提出一种基于多路特征融合和深度学习的露霜图像分类方法。利用传统的卷积神经网络对露霜图像进行分类;在ResNet-50模型基础上,通过增加浅层网络层到深层网络层的多个通路,将具有更强细节纹理信息的浅层特征和具有更明确语义分类信息的深层特征相结合,增强后续卷积运算的特征信息。在露霜自动化观测设备采集的图像集上测试,实验结果表明,该方法的分类准确率达到99. 2%。
-
关键词
露霜图像分类
多路特征融合
深度学习
ResNet-50模型
-
Keywords
dew and frost image classification multi-path feature fusion
Deep learning
ResNet-50 model
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
