.png){kind=icon}
返回
Deep Learning-Based All-Sky Cloud Image Recognition
.png){kind=icon}
OA
AI
DOI：10.3390/atmos17020142.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确云识别对于理解天气系统的快速演变、提高短期预报精度和保障航空安全至关重要。与传统云图像识别方法相比，深度学习技术具有自动学习复杂特征、高精度识别和强环境鲁棒性等优势，能提供更可靠和详细的云信息。本研究利用2023年11月3日至30日海南省屯昌县气象局（19°21'N, 110°06'E）全天空成像仪收集的256组云图像观测数据，采用卷积神经网络（CNN）模型进行云图像识别。结果表明，在云识别方面，构建的CNN模型对晴空、层云、积云和卷云的识别准确率、召回率和F1分数分别为100%、91%和95%，平均识别准确率达95%。在云量检测方面，与归一化红蓝比（NRBR）和K-均值聚类算法相比，NRBR方法在云区分割中表现最优，云量估算更接近实际分布。总之，深度学习技术在全天空云图像识别中展现出更高的准确性和强鲁棒性。
Keyword:
deep learning
cloud image recognition
convolutional neural network
cloud quantity detection
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.3
论文数:
895
被引数:
2.3W
机构
引用论文
K-Means-Type Algorithms: A Generalized Convergence Theorem and Characterization of Local Optimality
PREAI
分享收藏Halloum, K.; Ez-Zahraouy, H. Enhancing Medical Image Classification through Transfer Learning and CLAHE Optimization. Curr. Med Imaging 2025, 21, e15734056342623. [Google Scholar] [CrossRef]Halloum, K.; Ez-Zahraouy, H. 通过迁移学习和CLAHE优化提升医学图像分类。Curr. Med imaging 2025, 21, e15734056342623. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏DeepCloud: Ground-Based Cloud Image Categorization Using Deep Convolutional FeaturesDeepCloud: 基于深度卷积特征的地面云图像分类
PREAI
分享收藏
查看更多内容