傳統(tǒng)的利用遙感數(shù)據(jù)檢測(cè)渦旋的方法通常是基于物理參數(shù)、幾何特征、手工特征或?qū)＜抑R(shí)。本文重點(diǎn)研究了基于深度學(xué)習(xí)技術(shù)從海表面高度圖中識(shí)別海洋渦旋的方法。針對(duì)海洋衛(wèi)星拍攝的海洋表面高度圖中的渦旋檢測(cè)問題,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的多渦旋檢測(cè)模型,該模型能夠準(zhǔn)確提取渦旋的特征信息,擬合語義信息與海面高度之間的關(guān)系。同時(shí),在用于渦旋檢測(cè)的最新公開數(shù)據(jù)集SCSE-Eddy上進(jìn)行模型訓(xùn)練,以評(píng)估基于人工智能的渦旋檢測(cè)方法性能,該數(shù)據(jù)集涵蓋了15年來位于中國(guó)南海及其東部部分海域的每日衛(wèi)星遙感海表面高度數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有的方法相比,本文模型取得了更好的檢測(cè)結(jié)果,能夠更好地區(qū)分相距較近的渦旋。 

【文章來源】：南京航空航天大學(xué)學(xué)報(bào). 2020,52(05)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

數(shù)據(jù)集采樣海域

本文提出了一種新的多渦旋檢測(cè)模型，該模型能夠很好地檢測(cè)出兩種不同類型的渦旋（氣旋渦和反氣旋渦），在恢復(fù)渦旋圖像空間分辨率上體現(xiàn)出了巨大優(yōu)勢(shì)。圖2給出了模型具體結(jié)構(gòu)，該模型由兩部分組成：編碼模塊和解碼模塊。編碼模塊包括從圖像輸入進(jìn)行卷積操作開始，到下采樣結(jié)束的整個(gè)過程，通過卷積匯聚豐富的渦旋特征語義信息；解碼模塊包括從上采樣操作開始，到檢測(cè)出渦旋的整個(gè)過程，可以對(duì)海洋渦旋進(jìn)行準(zhǔn)確的空間分辨率恢復(fù)。2.1 編碼模塊

稠密塊簡(jiǎn)圖


本文編號(hào)：3014364