多种类天气图片数据集

这是来自深圳大学可视计算研究中心团队整理的多种类天气环境图片数据集；发布自2017年IEEE图像处理大会。 包含6个常见类别的65,000张图像，这些类别包括晴天，多云，下雨，下雪，薄雾和雷雨天气。 该数据集还有利于天气分类和属性识别。其次，我们提出了一个名为区域选择和并发模型（RSCM）的深度学习框架，以帮助发现区域属性和并发性。我们在多类基准数据和另一个用于天气识别的公共数据集上评估RSCM。 引用：

This is a multi-class weather environment image dataset curated by the team from the Visual Computing Research Center of Shenzhen University, which was released at the 2017 IEEE International Conference on Image Processing. It contains 65,000 images across six common categories: sunny, cloudy, rainy, snowy, foggy, and thunderstorm weather. This dataset facilitates weather classification and attribute recognition. Furthermore, we propose a deep learning framework named Region Selection and Concurrency Model (RSCM) to assist in discovering regional attributes and their concurrency. We evaluated RSCM on multiple benchmark datasets and another public dataset for weather recognition. Citation:

搜集汇总

背景与挑战

背景概述

该数据集是由深圳大学可视计算研究中心整理的多种类天气图片数据集，包含65,000张图像，涵盖6种常见天气类别（晴天、多云、下雨、下雪、薄雾和雷雨），主要用于天气分类和属性识别研究，并提出了RSCM深度学习框架。