[发明专利]一种基于深度学习的室外非固定场景天气识别方法在审
| 申请号： | 201910078620.X | 申请日： | 2019-01-28 |
| 公开（公告）号： | CN109784298A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 王亚朝;赵伟;杨盛伟 | 申请（专利权）人： | 南京航空航天大学;南京航空航天大学秦淮创新研究院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06K9/62 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 施昊 |
| 地址： | 211106 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的室外非固定场景天气识别方法。步骤为：构建轻量型卷积神经网络的基本结构；收集各种天气的图片并将其制作为特定格式的数据集；利用数据集对轻量型卷积神经网络进行训练；将训练好的轻量型卷积神经网络移植到嵌入式平台或可移动设备中，将拍摄的天气图片作为轻量型卷积神经网络的输入，输出各种天气情况对应的概率。本发明一方面克服了传统方法只能识别固定场景天气的缺点，另一方面由于计算量非常少，可以应用于嵌入式平台或移动设备中，实用性非常高。 | ||
| 搜索关键词： | 卷积神经网络 轻量型 天气 嵌入式平台 非固定 数据集 室外 可移动设备 场景 固定场景 移动设备 计算量 构建 移植 输出 学习 拍摄 概率 图片 制作 应用 | ||
【主权项】：
1.一种基于深度学习的室外非固定场景天气识别方法，其特征在于，包括以下步骤：(1)构建轻量型卷积神经网络的基本结构；(2)收集各种天气的图片并将其制作为特定格式的数据集；(3)利用步骤(2)得到的数据集对轻量型卷积神经网络进行训练；(4)将训练好的轻量型卷积神经网络移植到嵌入式平台或可移动设备中，将拍摄的天气图片作为轻量型卷积神经网络的输入，输出各种天气情况对应的概率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京航空航天大学;南京航空航天大学秦淮创新研究院，未经南京航空航天大学;南京航空航天大学秦淮创新研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910078620.X/，转载请声明来源钻瓜专利网。
