典型文献
融合多尺度特征和梯度信息的云种类识别
文献摘要：
针对目前全天空成像仪云图特征提取方法繁琐的问题，提出一种结合双线密集结构和梯度信息的云种分类模型，即双线程梯度卷积神经网络（DGNet），以优化网络对云图特征的学习能力。以双线程并行的密集模块搭建分类模型，同时融入梯度算法于特征图中。实验结果表明，所提模型的识别正确率与经典的模型相比有显著改进，正确率达67.00%。所提模型采用多线程、多尺度梯度密集模块结构，减少特征信息损失；利用梯度算法充分提取云图的梯度变化特征，增强模型对云种识别的精度；提出新云图数据集，该数据集包含10类云图，每类100张，共1000张全天空成像仪图像；与现有模型相比，所提模型获得最佳精度，证明了模型的可行性。
文献关键词：
图像处理;梯度;全天空云图;云图分类
中图分类号：
作者姓名：
金龄杰;林志玮;洪宇
作者机构：
福建农林大学计算机与信息学院，福建 福州 350002;福建农林大学林学院，福建 福州 350002;福建农林大学林学博士后流动站，福建 福州 350002;生态与资源统计福建省高校重点实验室，福建 福州 350002;福建农林大学海峡自然保护区研究中心，福建 福州 350002
文献出处：
引用格式：
[1]金龄杰;林志玮;洪宇-.融合多尺度特征和梯度信息的云种类识别)[J].激光与光电子学进展,2022(18):1810015
A类：
DGNet,全天空云图,云图分类
B类：
多尺度特征,梯度信息,种类识别,全天空成像仪,云图特征,集结,分类模型,双线程,模块搭建,梯度算法,特征图,多线程,块结构,特征信息,信息损失,分提,梯度变化,增强模型,图数据,每类,现有模型,获得最佳
AB值：
0.296481
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
