恶劣天气分类是一项非常基础且重要的技术,具有许多潜在的应用,如自动驾驶和交通预警。由于天气特征的多样性、多变性和彼此高度依赖的特点,对于传统的图像分类识别技术来说,这是一项极具挑战性的任务。本次研究提出了一种基于ResNet50恶劣天气识别方法,并增加HDA分层深度聚合,提高天气分类的准确率。实验结果表明,改进的ResNet50深度学习模型对恶劣天气数据库分类识别准确率达到95.1%,证明基于改进后构造的卷积神经网络,具有较好的分类准确度。