[发明专利]一种基于图像检索的单幅天气图像识别方法及系统

说明书

本发明提供一种基于图像检索的单幅天气图像识别方法及系统，其中方法包括：步骤S1:获取训练图像，基于训练图像对预设的初始模型进行训练获得检索模型；在训练过程中将训练图像的第一矢量特征存储至特征存储库；步骤S2:将单幅查找图像输入检索模型，进行特征提取，获得第二矢量特征；基于第二矢量特征从特征存储库中检索出对应的第三矢量特征，将第三矢量特征对应的训练图像的天气描述作为识别结果输出。本发明是基于图像检索的单幅天气图像识别方法，基于模型训练时建立的特征存储库，实现单幅天气图像快速识别，并且提高单幅图像的识别率。

技术领域

本发明涉及图像处理和模式识别技术领域，特别涉及一种基于图像检索的单幅天气图像识别方法及系统置。

背景技术

目前，自然场景下的天气识别在智能交通领域扮演着重要角色，天气识别准确率的提高，可以有效提升交通运输效率。单幅图像识别是指模型的输入只有一幅图像，完全基于图像内容进行识别。传统的天气图像识别方法是利用图像中的一些先验信息来做分类，将不同信息域的特征组合成多维特征并送入支持向量机中做分类判断。而与传统的识别方法不同，基于深度学习的天气识别具有更好的识别效果，例如基于图像语义分割以及图像分类的识别方法。由于技术的不断进步促进了图像识别效果的逐渐提升，近年来，图像识别已经成为一个热门问题。

基于图像检索的图像识别方法已经被证实是非常有效的方法，由于图像检索可以有效计算查询图特征和存储库中图像特征之间的相似性，并进一步根据相似性大小得到输出结果，因此被广泛应用。但是目前在自然场景下天气识别的应用领域，基于图像检索的图像识别方法并未涉及，而现有识别方法识别率不高一直是亟待解决的问题。

发明内容

本发明目的之一在于提供了一种基于图像检索的单幅天气图像识别方法，基于模型训练时建立的特征存储库，实现单幅天气图像快速识别，并且提高单幅图像的识别率。

本发明实施例提供的一种基于图像检索的单幅天气图像识别方法，包括：

步骤S1:获取训练图像，基于训练图像对预设的初始模型进行训练获得检索模型；在训练过程中将训练图像的第一矢量特征存储至特征存储库；

步骤S2:将单幅查找图像输入检索模型，进行特征提取，获得第二矢量特征；基于第二矢量特征从特征存储库中检索出对应的第三矢量特征，将第三矢量特征对应的训练图像的天气描述作为识别结果输出。

优选的，步骤S1:获取训练图像，基于训练图像对预设的初始模型进行训练获得检索模型；在训练过程中将训练图像的第一矢量特征存储至特征存储库；包括：

步骤S11：对训练图像进行预处理；

步骤S12：运用残差网络结构ResNet50对训练图像进行特征提取，并将训练标签列表进行数组化转换，同时联合度量损失和交叉熵损失函数计算最终损失，通过批随机梯度下降法进行网络参数寻优以最小化损失函数；

步骤S13:每次训练迭代中，将当前batch-size图像所提取的第一矢量特征形成队列引入到特征存储库，当所述特征存储库满时，将特征存储库中的对应的旧的矢量特征剔除；

步骤S14：迭代时将当前batch-size图像的第一矢量特征以及特征存储库中所有第三矢量特征进行配对，形成大量样本对，利用度量损失函数Multi-Similarity Loss计算其相似性，并利用交叉熵损失函数计算当前批图像的分类损失。

优选的，步骤S2:将单幅查找图像输入检索模型，进行特征提取，获得第二矢量特征；基于第二矢量特征从特征存储库中检索出对应的第三矢量特征，将第三矢量特征对应的训练图像的天气描述作为识别结果输出，包括：

依次抽取测试数据集中的测试图像，图像归一化预处理后对图像进行特征提取，将测试图像的第四矢量特征添加进特征存储库；