天气分类：一个新的多类数据集、数据增强方法及卷积神经网络的综合评估
计算机视觉与模式识别
2018-08-03 v1
摘要
天气状况常干扰交通系统的正常运行。现有系统要么部署一系列传感器，要么使用车载摄像头来预测天气状况。这些方案导致成本递增且适用范围有限。为确保所有交通服务在全天候条件下的平稳运行，亟需一种可靠的自然场景天气分类检测系统。解决该问题的难点在于天气状况本质多样，且各类天气间缺乏判别特征。现有相关工作多为特定场景，且仅针对两类天气的分类。本文创建了一个由描绘雨、雪、雾三类天气图像组成的新开源数据集，称为RFS数据集。我们还提出了一种新算法，利用超像素界定掩码作为数据增强形式，在十种卷积神经网络架构上取得了合理结果。
引用
@article{arxiv.1808.00588,
title = {Weather Classification: A new multi-class dataset, data augmentation approach and comprehensive evaluations of Convolutional Neural Networks},
author = {Jose Carlos Villarreal Guerra and Zeba Khanam and Shoaib Ehsan and Rustam Stolkin and Klaus McDonald-Maier},
journal= {arXiv preprint arXiv:1808.00588},
year = {2018}
}