Klasifikace počasí na snímcích z venkovních webkamer

Abstract

Venkovní webkamery snímající počasí umožňují meteorologům a široké veřejnosti zjis- tit aktuální stav počasí téměř kdekoliv. Snímky z těchto webkamer mohou být také uži- tečné pro jiné účely. Tato práce se zabývá přidáním metadat a labelů o počasí k velkému datasetu těchto snímků získaných ze sítě webkamer provozovaných Českým hydrometeo- rologickým ústavem. Většina populárních přístupů pro klasifikaci takových snímků spadá do oblasti strojového učení s využitím neuronových síti. Problémem těchto přístupů je ale závislost na existujících olabelovaných datasetech. Z tohoto důvodu se budeme zabývat klasickými algoritmy počítačového vidění pro navržení algoritmu na klasifikaci počasí v těchto snímcích.

Outdoor weather web cameras enable meteorologists and the general public to find out the immediate weather conditions almost anywhere in the world. Images from these cameras can be valuable for other uses as well. This thesis focuses on finding an approach to adding weather metadata and labels to a large dataset of images collected from the Czech Hydrometeorological Institute's outdoor web camera network. Most popular ap- proaches for classifying such images fall into the realm of Machine Learning algorithms. The problem with these solutions is that they require existing labeled datasets. As such, we rely on traditional computer vision approaches to design an algorithm for classifying the weather in these images.