基于轻量级神经网络的地基云图识别
针对目前云识别效率低下,同时缺乏公认且严谨、公开的地基云数据集问题,利用专业设备结合人工标注和迁移学习,构建了目前规模最大且符合国际气象组织标准的云公开数据集HBMCD,并且在此基础上,利用深度可分离卷积、膨胀卷积等技巧构建基本单元,通过组合不同的基本单元构建了轻量级云图分类模型LCCNet.经过多组对比实验,证明了LCCNet不仅参数量低、运算复杂度低,而且针对HBMCD数据集具有高达97.35％的准确率,为设备集成与实际应用提供了可能性.
地基云图、图像处理、数据集、图像分类、深度学习、轻量级神经网络
47
U461;TP308(汽车工程)
国家重点研发计划;国家自然科学基金
2021-05-28（万方平台首次上网日期，不代表论文的发表时间）
共11页
489-499
