基于轻量级迁移学习的无人机航拍视频图像天气场景分类

摘要

针对传统航拍视频图像CNN模型天气分类效果差、无法满足移动设备应用以及现有天气图像数据集匮乏且场景单一的问题,构建了晴天、雨天、雪天、雾天4类面向多场景的无人机航拍天气图像数据集,并提出了基于轻量级迁移学习的无人机航拍视频图像天气场景分类模型.该模型采用迁移学习的方法,在ImageNet数据集上训练好两种轻量级CNN,并设计3个轻量级CNN分支进行特征提取.特征提取首先采用ECANet注意力机制改进的EfficientNet-b0作为主分支提取整幅图像特征,并使用两个MobileNetv2分支分别对天空和非天空局部独有的深层特征进行提取.其次,通过Concatenate将这3个区域进行特征融合.最后,使用Softmax层对4类天气场景实现分类.实验结果表明,该方法应用于移动等计算受限设备时对于天气场景分类的识别准确率达到了97.3%,有着较好的分类效果.