【摘 要】
：
气候变化带来的影响是方方面面的,并且人们常采取手段对负面的影响进行干预。近年来,人们对于降雨的预测需求越来越多,传统的降雨预测手段需要收集大量的物理信息,增加了复杂度,并且过于规律的预测手段会导致预测不精准。随着深度学习的发展,图像处理在许多任务上取得成效。本文提出利用图像序列预测任务的方法来处理降雨预测任务,取得了令人满意的效果。图像序列预测即给定若干张连续图片,预测后续一张或若干张连续图片的时
论文部分内容阅读
气候变化带来的影响是方方面面的,并且人们常采取手段对负面的影响进行干预。近年来,人们对于降雨的预测需求越来越多,传统的降雨预测手段需要收集大量的物理信息,增加了复杂度,并且过于规律的预测手段会导致预测不精准。随着深度学习的发展,图像处理在许多任务上取得成效。本文提出利用图像序列预测任务的方法来处理降雨预测任务,取得了令人满意的效果。图像序列预测即给定若干张连续图片,预测后续一张或若干张连续图片的时空序列预测方法,是计算机视觉领域研究的重要课题之一。图像序列具有时空特征变化以及时间间隔周期长的特点,这给图像序列预测带来了很大的挑战。一方面,复杂的时空特征变化难以有效捕捉并精准预测;另一方面,在长时序列预测任务中,记录时间的间隔较长,从而导致得到的数据量较少且数据相关性弱。（1）针对短时序列空间特征变化难以捕捉并精准预测的问题,本文提出一种基于运动增强LSTM的生成对抗序列预测方法,考虑采用局部特征增强的方式,以提高局部信息的提取能力并精准预测。在传统的LSTM预测中加入生成对抗网络结合注意力机制,以提高空间特征提取的鲁棒性。通过在SRAD2018雷达回波数据集和Moving MNIST数据集上的实验,验证了运动增强模型的有效性。（2）针对长时序列呈现空间分布多变,使得空间特征难以被捕捉,并且由于记录时间的间隔较长,导致得到的数据量较少且数据相关性较弱,存在借助少量样本训练获取特征难以进行预测的问题,而深度学习等方法是需要采用大量数据样本进行训练的。因此本文提出一种基于张量补全的长时序列预测方法,在少量样本和空间结构多变的情况下,利用非负约束的卷积核范数最小化的序列张量补全方法,通过在四川省自贡市三个月的气象数据上实验,验证了该算法的有效性,实验达到了较好的预测效果。
其他文献
近年来,随着深度学习的迅猛发展,超分辨率重建技术得广泛关注。与此同时,随着注意力机制在图像分割、检测等领域大放光彩,研究者也逐渐将注意力机制引入超分辨率方向,并取得了众多显著成果。本文基于注意力机制对超分辨率重建在单一图像和视频方面进行探索性和创新性的研究,并取得了以下成果。针对目前超分辨率网络存在着通道权重的预测破坏了每个通道与其权重的直接对应关系的问题,以及现有网络仅仅只考虑一阶或二阶通道注意
自动分割出CT图像序列中的肾脏及肿瘤目标可为医生在临床诊断中提供定量的诊断依据,当前基于深度学习的三维分割技术得到了广泛的研究,然而由于CT图像中肾脏及肿瘤目标形状复杂多样,且存在着肿瘤目标小、样本数少等问题,现有的三维分割网络并不能很好的分割出肿瘤等小目标,如何准确分割出肾脏肿瘤仍是一个富有挑战性的问题。同时当前的三维深度分割网络模型大、参数多、且对计算机硬件要求高,这也给模型在实际部署中带来巨
在我国基础设施建设不断发展的今天,公路建设作为基础建设中重要的环节之一,也得到了飞速的发展,但伴随而来的道路养护问题。道路养护的首要环节是检测路面损坏,其中,道路裂缝是在路面检测过程中最为常见的路面病害类型之一。论文以道路裂缝作为研究内容,采用深度学习的语义分割算法来检测道路裂缝,围绕路面裂缝图像的预处理、裂缝检测算法以及裂缝的定量分析展开研究。首先,对采集到的裂缝图像进行滤波操作,同时结合裂缝图
车辆检测和车型识别是智能交通领域中的重要研究内容。随着人工智能技术的发展,在智能交通领域运用深度学习解决车辆检测和车型识别问题已经成为一种研究趋势。本文基于深度学习方法对车辆检测和车型识别进行了研究,主要研究内容如下:（1）针对目前车辆检测数据库较少的问题,本文选择南京信息工程大学周围的交通环境作为研究背景,从样本的拍摄采集、正负样本及模糊样本的筛选和标签标注等方面详细介绍了本文构建的车辆检测数据
随着智能设备的广泛运用,包含用户信息的数据不断涌现,基于大数据的人工智能技术有了质的飞跃。但是机遇与挑战并存,人工智能技术利用数据为各行各业带来增益的同时,用户隐私数据泄露的问题也随之出现。因此联邦学习应运而生,这是一种特殊的分布式机器学习框架,它能够联合多客户端训练的同时保护数据隐私,因为客户端的数据不需要离开本地。这样的学习框架为人工智能技术面临的挑战提供了解决方案。本文针对现有联邦学习的缺点
多人姿态估计任务可以概括为两个阶段,第一阶段将输入图像中人体检测出来（人体检测）,第二阶段基于第一阶段检测出来的各个人体,进一步将其骨骼关键点位置定位出来（单人姿态估计）。多人姿态估计在人机交互、电影制作和安全监控等领域有巨大的应用背景。在技术方面,轻量化是深度学习多人姿态估计中近年来的研究热点之一。本文对深度学习多人姿态估计的轻量化方法进行了探索和研究,主要研究工作包括:针对单人姿态估计中目前最
随着我国汽车保有量的逐年攀升,私家车通勤在日常出行中的所占比重越来越大。上路车辆的增多带来了许多交通问题,而通勤时段的拥堵问题尤其突出。目前推行的尾号限行、拥堵收费的方式未能充分考虑通勤者的临时出行需求。合乘出行正是缓解通勤时段交通压力和有效利用资源的良策,也是许多出行者倾向的选择。网约拼车近年来得到快速发展,但现有互联网打车平台未能摆脱以盈利为目标的营运性质,利益驱动下的上路汽车只会增多。本文结
目前,随着“海洋牧场”的快速建设和海洋资源的深入探索,水下机器人（Unmanned Underwater Vehicle,UUV）正广泛运用于海洋矿产、渔业等资源的开发。针对水下机器人小型化、大众化过程中出现的操作难、易受干扰、易损坏等问题,本文以自主设计的“Aquaman V3”小型水下机器人为基础,通过优化硬件和控制算法,提高小型水下机器人的稳定性与控制精度,使之能够对抗海流、碰撞等外界扰动,
我国海洋资源丰富,但并未得到充分的开发,相较于河流、湖泊等水域,海洋的水下环境更加复杂和危险,人工进行探索和开发的危险系数过高。水下机器人成为了人类对海洋探索的重要工具,而视觉图像在水下机器人探索与感知周围环境时扮演着重要的角色。由于水体的吸收和散射,水下图像具有对比度低、图像模糊、色偏等问题,影响水下机器人后续的视觉任务。因此,获取高质量的水下图像对人类探索开发海洋有着十分重要的意义。本文根据水
近年来,由于多智能体系统包含控制在航空、工业、运输等领域的广泛应用,引起许多专家学者的关注。多智能体系统包含控制可以看作一致性和编队问题的特殊情形,是指通过设计包含控制算法,驱使一组跟随者在多个领导者的引领下,最终进入并保持在由领导者所形成的凸包中运动。与传统多智能体系统问题相比,包含控制更能突出分布式协同控制的优势。针对系统收敛速度、智能体状态不可知以及信息传递过程中出现时滞、外界扰动、Do S