基于深度学习的海雾图像分类方法研究
作者:
基金项目:

宁波市科技计划项目(2022S181);浙江省气象科技计划项目(2022ZD26)

  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
    摘要:

    基于宁波港口摄像头采集的图像及附近能见度观测站数据建立数据集,采用VGG16模型和改进的VGG16模型对图像进行海雾等级识别。改进模型将全连接层替换为全局平均池化层,引入深度可分离卷积进一步降低模型参数量,卷积层和激活函数之间加入了批归一化,降低迭代次数和训练难度;针对拍摄的海雾图像存在细节不清晰、对比度不高和色彩失真等问题,在特征提取方面增加了HSV色彩空间及基于暗通道的图像增强算法。结果表明,改进VGG16模型对海雾等级识别的准确率、精确率、召回率、F1值分别为92.89%,93.81%,92.13%、92.86%,较改进之前上述指标提升14.00%以上,改进模型可显著提升港口海雾监测与等级分类识别能力。

    参考文献
    相似文献
    引证文献
引用本文

许立兵,孔扬,成思蒙,等.基于深度学习的海雾图像分类方法研究[J].陕西气象,2024(6):54-58.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 在线发布日期: 2024-12-03