-
题名基于迁移学习及气象卫星云图的台风等级分类研究
被引量：7
- 1
-
-
作者
郑宗生
胡晨雨
黄冬梅
邹国良
刘兆荣
宋巍
-
机构
上海海洋大学信息学院
-
出处
《遥感技术与应用》
CSCD
北大核心
2020年第1期202-210,共9页
-
基金
国家自然科学基金项目(41671431)
上海市科委地方院校能力建设项目(17050501900)
国家海洋局数字海洋科学技术重点实验室开放基金项目共同资助。
-
文摘
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 10000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略,构建出了适用于台风小样本数据集的迁移预报模型T-typCNNs。实验结果表明:T-typCNNs模型在自建台风数据集上的训练精度为95.081%,验证精度可达91.134%,比利用浅层卷积神经网络训练出的精度高18.571%,相比于直接用源模型训练最多提高9.819%。
-
关键词
台风等级
迁移学习
深度卷积神经网络
迁移层数
自适应微调
-
Keywords
Typhoon grade
Transfer learning
Deep convolutional neural network
Number of transferable lay‐ers
Adaptive fine-tuning
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
