基于CNN和迁移学习的室外天气图像分类研究与应用

目录

声明

第一章 绪 论

1.1 研究背景与意义

1.2 天气图像分类研究现状

1.2.1 单一天气识别

1.2.2 两类天气判别

1.2.3 多种天气分类

1.3 论文主要研究内容与贡献

1.4 论文结构

第二章 天气图像数据集

2.1.1 原始图像获取

2.1.2 数据标注

2.2 四类天气图像数据集

2.3 分块天气图像数据集

2.4 细分天气图像数据集

2.5 图像数据预处理

2.6.1 硬件平台

2.6.2 软件平台

2.7 本章小结

第三章 基于深度迁移学习的天气图像分类

3.1.1 人工神经网络

3.1.2 卷积神经网络模型及优化算法

3.2 迁移学习

3.2.1 迁移学习的目的和定义

3.2.2 迁移学习方法

3.3.1 深度卷积神经网络的可迁移性

3.3.2 基于ResNet-50的深度网络迁移方法

3.4 实验结果与分析

3.5 模型应用及部署

3.6 本章小结

第四章 基于分块图像和投票策略的天气图像分类

4.1 天气专属特征

4.2 基于阈值的投票策略

4.3 实验结果与分析

4.4 本章小结

第五章 基于多任务学习的天气图像细分类

5.1 单任务学习和多任务学习

5.2 参数硬共享多任务学习模型

5.3 实验结果与分析

5.4 本章小结

第六章 总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

攻读硕士学位期间取得的成果