基于迁移学习及气象卫星云图的台风等级分类研究

来源 :遥感技术与应用 | 被引量 : 0次 | 上传用户:lmwtz0x8u0
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统卫星云图特征提取方法复杂且深度卷积神经网络(Deep Convolutional Neural Network,DCNN)模型开发困难的问题,提出一种基于参数迁移的台风等级分类方法。利用日本气象厅发布的近40 a 10 000多景台风云图数据,构建了适应于迁移学习的台风云图训练集和测试集。在大规模ImageNet源数据集上训练出3种源模型VGG16,InceptionV3和ResNet50,依据台风云图低层特征与高层语义特征的差异,适配网络最佳迁移层数并冻结低层权重,高层权重采用自适应微调策
其他文献
文化贸易作为国际贸易的先导,在国际贸易中起着举足轻重的作用。提高文化贸易在国际市场的影响力,是提升我国总体对外贸易水平和国家形象的重要手段。通过定量分析与定性分析
学位
ESTARFM(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)是一种经典的基于权重滤波的时空融合算法,它在众多领域得到广泛应用。相似像元选取是其一个重要步骤,ESTARFM模型中相似像元选取过程受搜索框大小和分类数影响,当前的研究中搜索框大小的设定较为统一,而分类数大小设定缺乏统一性。为降低ESTARFM算法中分类数
背景与目的:在科研工作于各大高校的地位越来越重要的当今,随着国家对科研的大力支持,国家对高校科研的要求也越来越高。而科研管理中的绩效评价是对提高科研业绩和促进科研创新