文章较长完整代码关注【学姐带你玩AI】公众号，回复“天气”领取

来源：投稿

作者：livingbody

编辑：学姐

# 赛题背景

在自动驾驶场景中，天气和时间（黎明、早上、下午、黄昏、夜晚）会对传感器的精度造成影响，比如雨天和夜晚会对视觉传感器的精度造成很大的影响。此赛题旨在对拍摄的照片天气和时间进行分类，从而在不同的天气和时间使用不同的自动驾驶策略。

# 赛题任务

此赛题的数据集由云测数据提供。比赛数据集中包含3000张真实场景下行车记录仪采集的图片，其中训练集包含2600张带有天气和时间类别标签的图片，测试集包含400张不带有标签的图片。参赛者需基于Oneflow框架在训练集上进行训练，对测试集中照片的天气和时间进行分类。

# 数据简介

本赛题的数据集包含2600张人工标注的天气和时间标签。

天气类别：多云、晴天、雨天、雪天和雾天5个类别

时间：黎明、早上、下午、黄昏、夜晚5个类别

下午 多云

早上 雨天

# 数据说明

数据集包含anno和image两个文件夹，anno文件夹中包含2600个标签json文件，image文件夹中包含3000张行车记录仪拍摄的JPEG编码照片。图片标签将字典以json格式序列化进行保存：

# 提交要求

参赛者使用Oneflow框架对数据集进行训练后对测试集图片进行推理后：

1.将测试集图片的目标检测和识别结果以与训练集格式保持一致的json文件序列化保存，并上传至参赛平台由参赛平台自动评测返回结果。 

2.在提交时的备注附上自己的模型github仓库链接

# 提交示例

{ “annotations”: [ { “filename”: “test_images\00008.jpg”, “period”: “Morning”, “weather”: “Cloudy” }] }

# 解题思路

总体上看，该任务可以分为2个：一个是预测时间、一个是预测天气。

具体如下：

• 预测时间、天气数据标签列表生成

• 数据集划分

• 数据均衡（数据很不均衡）

• 分别预测

• 合并预测结果

数据集准备

数据下载

数据解压缩

按时间制作标签

注意事项：虽然数据描述说时间** Period 为 黎明、早上、下午、黄昏、夜晚**，但是经过遍历发现只有4类。。。。。，故如下制作标签

数据集划分并数据均衡

按天气分制作标签

数据集划分并均衡

环境准备

飞桨图像识别套件PaddleClas是飞桨为工业界和学术界所准备的一个图像识别任务的工具集，助力使用者训练出更好的视觉模型和应用落地。此次计划使用端到端的PaddleClas图像分类套件来快速完成分类。此次使用PaddleClas框架完成比赛。

模型训练 and 评估

时间训练

以PaddleClas/ppcls/configs/ImageNet/VisionTransformer/ViT_small_patch16_224.yaml 为基础进行修改

天气训练

配置文件为：

** PaddleClas/ppcls/configs/ImageNet/VisionTransformer/ViT_base_patch16_224_weather.yaml**

预测

时间模型导出

开始预测

编辑 PaddleClas/deploy/python/predict_cls.py，按提交格式输出预测结果到文件。

天气模型导出

天气预测

合并并提交

最后一部分代码在公众号【学姐带你玩AI】，B站的编辑器卡的不行了，关注公众号查看全文把！

完整代码关注学姐回复“天气”领取