-
题名迁移深度学习地基云图自动识别的网络微调学习过程
被引量：5
- 1
-
-
作者
段向军
王敏
-
机构
南京信息职业技术学院智能制造学院
南京信息工程大学电子与信息工程学院
-
出处
《电子器件》
CAS
北大核心
2020年第6期1257-1261,共5页
-
基金
国家自然科学基金(41775165)
江苏省“青蓝工程”优秀教学团队培养对象(2018-4)。
-
文摘
研究了一种将迁移学习引入到地基云图自动识别深度学习网络中的学习过程,其中深度学习网络采用AlexNet经典网络模型,数据集采用ImageNet样本库进行预训练,学习过程中采用微调操作对网络的权值进行最佳调整。通过对10类地基云图的仿真实验,可以看出,由于云图类别较多,分类任务较难,将迁移学习和微调方法引入到深度学习地基云图自动识别中,是可行和有效的。该方法的有效实施,为深度学习在高精度的地基云图分类以及其他领域图像识别奠定了技术基础。
-
关键词
卷积神经网络
地基云图
迁移学习
深度学习
微调
-
Keywords
convolution neural network
ground cloud image
transfer learning
deep learning
Fine-tuning
-
分类号
TP412.15
[自动化与计算机技术]
-
-
题名卷积神经网络识别地基云图的数据库建立及处理方法
被引量：2
- 2
-
-
作者
王敏
周树道
刘展华
任尚书
-
机构
国防科技大学气象海洋学院
南京信息工程大学气象灾害预警与评估协同创新中心
解放军
-
出处
《信息技术与网络安全》
2020年第3期56-61,共6页
-
基金
国家自然科学基金(41775165,41775039)
-
文摘
卷积神经网络(Convolutional neural network,CNN)具有非比寻常的从样本中学习特征的能力,训练需要大量带有标签的图像样本。因此,在使用卷积神经网络对地基云图相关研究时,建立云图样本库是第一步,也是非常重要的一步。首先,通过数码相机直接拍摄、从互联网上下载、从公开发行的云图类书籍获取以及由全天空照相机拍摄等手段获取三个云图样本库;接着,对三个样本库图像的分辨率、噪声、数量等问题进行了分析;然后,采用双线性插值和数据增强方法对样本库进行归一化预处理;最后,利用卷积神经网络、LBP、Heinle feature和Texton-based method三种方法对增强后的数据集进行云识别分类验证,实验结果表明,利用本文方法进行增强数据可有效解决卷积神经网络对小样本数据识别率不高以及不能完整进行网络运行的问题,为卷积神经网络在地基云图识别的应用奠定基础。
-
关键词
卷积神经网络
监督学习
样本库
归一化
-
Keywords
convolutional neural network
supervised learning
sample bank
normalization
-
分类号
TP412.15
[自动化与计算机技术]
-
