HuaYun-BJUT-MIP-Cloud-Dataset|气象学数据集|图像识别数据集

HuaYun-BJUT-MIP-Cloud-Dataset是一个新的地面云数据集，包含25119张云图像，根据世界气象组织的分类建议分为11个不同的类别。数据集详细描述了每种云的科学名称、缩写和云特征，并提供了每种云类别的数量信息。

The HuaYun-BJUT-MIP-Cloud-Dataset is a novel ground-based cloud dataset comprising 25,119 cloud images, categorized into 11 distinct classes based on the classification recommendations of the World Meteorological Organization. The dataset meticulously details the scientific names, abbreviations, and cloud characteristics for each type, along with providing quantitative information on the number of images per cloud category.

原始信息汇总

数据集概述

数据集名称

HuaYun-BJUT-MIP-Cloud-Dataset

数据集描述

该数据集包含25119张地面云图像，来源于HUAYUN SOUDING公司的专有设备。根据世界气象组织的分类建议，数据集将云图像分为11个不同的类别：Ac, Sc, Ns, Cu, Ci, Cc, Cb, As, No, Cs, St。

云分类标准

• Cumulus (Cu): 具有向上圆形拱起的投影；云朵大小类似拳头；边缘清晰。
• Cumulonimbus (Cb): 云层厚实，类似西兰花；边缘模糊。
• Stratocumulus (Sc): 云朵通常拳头大小，分布松散，成簇、行进和波浪状，常呈灰色或灰白色。
• Stratus (St): 云层均匀分布；覆盖大面积，几乎遍布整个天空；多为灰色。
• Nimbostratus (Ns): 云层低且无定形；常覆盖整个天空，完全遮蔽太阳和月亮；云层蓬松且深灰色。
• Altostratus (As): 云层较厚，覆盖整个天空；太阳透过时几乎没有光晕；云层常有条纹结构，呈灰白色或灰蓝色。
• Altocumulus (Ac): 云朵小且轮廓分明；薄云白色，可见太阳或月亮轮廓，厚云深灰色，太阳或月亮轮廓不清晰；云朵呈椭圆形、瓦片状、鱼鳞或水波状分布。
• Cirrus (Ci): 薄而透明；白色且有光泽；云朵呈细丝状，马尾状。
• Cirrostratus (Cs): 云底有细丝结构；云体薄到足以让太阳和月亮透过；在阳光照射下有明显的光晕。
• Cirrocumulus (Cc): 云朵非常小，白色且有光泽；薄白鳞片状；常排列成行和群。
• No Cloud (No): 天空中无云。

数据集统计

• Ac: 2256张
• As: 2584张
• Cb: 1392张
• Cc: 1302张
• Ci: 3075张
• Cs: 2638张
• Cu: 3100张
• No: 3804张
• Ns: 1236张
• St: 1584张
• 总计: 25119张

数据集下载

可通过提供的下载链接获取数据集：下载链接。

AI搜集汇总

数据集介绍

构建方式

HuaYun-BJUT-MIP-Cloud-Dataset（HBMCD）是一个基于地面观测的云图像数据集，其图像来源于华云搜顶公司的专有设备。该数据集共包含25119张云图像，依据世界气象组织的云分类标准，将其划分为11个类别，包括积云、层积云、雨层云等。每张图像的分类结果均由华云搜顶公司的专业人员进行确认，确保了数据的准确性和可靠性。

特点

HBMCD数据集的特点在于其广泛的类别覆盖和高质量的图像标注。数据集不仅涵盖了常见的云类型，还包含了无云情况的图像，为云识别研究提供了全面的数据支持。此外，HBMCD与其他地面云数据集进行了对比，展示了其在类别多样性和图像数量上的优势。数据集中的每张图像均经过专业人员的严格分类，确保了标注的准确性。

使用方法

HBMCD数据集可通过GitHub页面提供的下载链接获取。研究人员可以下载数据集并用于云识别算法的开发与验证。使用该数据集时，建议引用相关论文以支持数据集的使用和传播。论文详细介绍了基于轻量级神经网络的云识别方法，为使用该数据集的研究提供了理论基础和技术参考。数据集的使用不仅限于云分类任务，还可用于气象学、环境监测等领域的研究。

背景与挑战

背景概述

HuaYun-BJUT-MIP-Cloud-Dataset（HBMCD）是由北京工业大学与华云思定公司合作创建的一个地面云图像数据集，旨在为云分类研究提供高质量的数据支持。该数据集包含25119张云图像，依据世界气象组织的分类标准，划分为11个类别，涵盖了常见的云类型如积云、层云、卷云等。HBMCD的创建时间为2020年，主要研究人员包括张磊、贾凯等，相关研究成果发表于2020年亚太信号与信息处理协会年度峰会（APSIPA ASC）。该数据集的发布为云识别领域提供了重要的数据资源，推动了基于轻量级神经网络的云识别技术的发展。

当前挑战

HBMCD数据集在解决云分类问题时面临的主要挑战包括云图像的多样性和复杂性。由于云形态多变且受光照、天气条件等因素影响，准确分类云类型具有较高的难度。此外，数据集的构建过程中也面临诸多挑战，例如云图像的采集需要依赖专业设备，且标注过程需由专业人员进行，以确保分类的准确性。与其他地面云数据集相比，HBMCD在数据规模和类别覆盖上具有优势，但仍需进一步优化数据平衡性和标注一致性，以提升模型的泛化能力。

常用场景

经典使用场景

HuaYun-BJUT-MIP-Cloud-Dataset（HBMCD）数据集在气象学和计算机视觉领域具有广泛的应用。该数据集包含了25119张地面云图，涵盖了11种不同的云类别，基于世界气象组织的分类标准。这些数据为云分类研究提供了丰富的素材，尤其是在开发自动化云识别系统时，HBMCD数据集常被用于训练和验证深度学习模型，以提高云图分类的准确性和效率。

解决学术问题

HBMCD数据集解决了云分类研究中的关键问题，尤其是在缺乏高质量、大规模标注数据的背景下。通过提供多样化的云图样本，该数据集帮助研究者克服了传统方法在云图识别中的局限性，推动了基于深度学习的云分类算法的发展。此外，HBMCD还为云图识别模型的性能评估提供了标准化的基准，促进了该领域的学术交流与技术进步。

衍生相关工作

HBMCD数据集的发布催生了一系列相关研究工作，尤其是在轻量级神经网络和云图识别算法的优化方面。例如，Zhang等人基于该数据集提出了轻量级神经网络模型，显著提升了云图分类的效率。此外，HBMCD还被用于与其他地面云图数据集的对比研究，推动了云图识别领域的标准化和数据集融合工作。