一种基于图像检索的单幅天气图像识别方法及系统技术方案

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
一种基于图像检索的单幅天气图像识别方法及系统
本专利技术涉及图像处理和模式识别
，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。
技术介绍
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。...

【技术保护点】
1.一种基于图像检索的单幅天气图像识别方法，其特征在于，包括：/n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；在训练过程中将所述训练图像的第一矢量特征存储至特征存储库；/n步骤S2:将单幅查找图像输入所述检索模型，进行特征提取，获得第二矢量特征；基于所述第二矢量特征从所述特征存储库中检索出对应的第三矢量特征，将所述第三矢量特征对应的所述训练图像的天气描述作为识别结果输出。/n

【技术特征摘要】
1.一种基于图像检索的单幅天气图像识别方法，其特征在于，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；在训练过程中将所述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所述检索模型，进行特征提取，获得第二矢量特征；基于所述第二矢量特征从所述特征存储库中检索出对应的第三矢量特征，将所述第三矢量特征对应的所述训练图像的天气描述作为识别结果输出。


2.如权利要求1所述的基于图像检索的单幅天气图像识别方法，其特征在于，所述步骤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；在训练过程中将所述训练图像的第一矢量特征存储至特征存储库；包括：
步骤S11：对所述训练图像进行预处理；
步骤S12：运用残差网络结构ResNet50对所述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，将所述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图像的所述第一矢量特征以及所述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-SimilarityLoss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。


3.如权利要求1所述的基于图像检索的单幅天气图像识别方法，其特征在于，所述步骤S2:将单幅查找图像输入所述检索模型，进行特征提取，获得第二矢量特征；基于所述第二矢量特征从所述特征存储库中检索出对应的第三矢量特征，将所述第三矢量特征对应的所述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，将所述测试图像的第四矢量特征添加进所述特征存储库；
将所要查询的单幅图像预处理，之后输入到所述检索模型中，进行特征提取，得到用于检索单幅图像的第二矢量特征；
将所述第二矢量特征在所述特征存储库中进行特征对比查找，利用K近邻算法思想计算查询第二矢量特征与所述特征存储库内的第三矢量特征的K类距离，基于K类距离，确定所述单幅图像的所属类别标签。


4.如权利要求1所述的基于图像检索的单幅天气图像识别方法，其特征在于，所述在训练过程中将所述训练图像的第一矢量特征存储至特征存储库，包括：
获取所述训练图像的第一标识信息，所述第一标识信息包括：拍摄位置信息、拍摄时间信息、拍摄设备编号信息中一种或多种结合；
基于与所述第一标识信息对应的分组信息对所述特征存储库进行分组，获取多个特征存储组；
将所述第一矢量特征基于所述训练图像的所述第一标识信息分类存储至对应的所述特征存储组内；
所述基于所述第二矢量特征从所述特征存储库中检索出对应的第三矢量特征，包括：
获取所述单幅查找图像的第二标识信息，所述第二标识信息包括：拍摄位置信息、拍摄时间信息、拍摄设备编号信息中一种或多种结合；
基于所述第二标识信息调取对应的所述特征存储组；
基于所述第二矢量在所述特征存储组内进行检索，确定对应的所述第三矢量。


5.如权利要求1所述的基于图像检索的单幅天气图像识别方法，其特征在于，还包括：
获取对于所述识别输出结果的反馈信息；
当所述反馈信息为识别结果错误时，获取用户输入的正确结果；
将所述识别输出结果对应的所述单幅查找图像与所述正确结果关联存储至修正数据库；
当所述修正数据库内的数据量达到预设条件时，提取所述修正数据库内的所述单幅查找图像添加进所述训练图像对所述检索模型进行重新训练；
其中，所述预设条件包括：
所述修正数据库内的数据量达到预设的第一数量；
和/或，
所述修正数据库内的相似数据达到预设的第二数量；
和/或，
所述修正数据库内的相似数据的存储时间间隔小于预设的时间间隔；
和/或，
基于所述修正数据库内的数据之间的相似度对所述数据进行分类，当分类项数达到预设的第三数量；
在获取对于所述识别输出结果的反馈信息时，需对所述反馈信息的有效性进行验证,当验证通过时，获取所述反馈信息，否则，不获取所述反馈信息；通过验证的条件包括：
同一所述反馈信息的来源用户数大于预设的用户数；
和/或，
单一用户作为来源用户时反馈所述反馈信息时，所述反馈信息的确认度大于预设的第一确认值；所述确认度计算公式如下：



其中，Qi为第i个用户反馈所述反馈信息时所述反馈信息的确认度；ai为i个用户自身的反馈确认值，为预先分配；bj为第j个赞同所述反馈信息的赞同用户的赞同值；βj为第j个所述赞同用户在赞同所述反馈信息时挑选的赞同权重值；M为所述赞同用户的数量；
和/或，
同一所述反馈信息的所有来源用户在反馈所述反馈信息时，所述反馈信息的确认度的和值大于预设的第二确认值；
在对所述检索模型进行重新训练完成后，对所述反馈信息的来源用户进行反馈确认值修正，修正公式如下：



其中，a′为修正后的来源用户的反馈确认值；a为修正前的来源用户的反馈确认值；c为修正系数，与所述反馈信息的使用情况相关，当所述反馈信息在使用时被验证为反馈错误，c取-1，当所述反馈信息在使用时被验证为反馈正确，c取1；ε为预设的修正幅...

【专利技术属性】
技术研发人员：岑翼刚，阚世超，张城，陈俊，
申请(专利权)人：贵州迅畅科技有限公司，
类型：发明
国别省市：贵州;52