基于迁移学习及气象卫星云图的台风等级分类研究

• 作者: 刘兆荣 宋巍 胡晨雨 邹国良 郑宗生 黄冬梅
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 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
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 数据与图像处理
• 页码范围: 202-210
• 页数: 9页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2020.1.0202

摘要

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄冬梅	上海海洋大学信息学院	110	578	11.0	18.0
2	邹国良	上海海洋大学信息学院	21	55	4.0	5.0
3	郑宗生	上海海洋大学信息学院	15	52	4.0	6.0
4	刘兆荣	上海海洋大学信息学院	3	7	1.0	2.0
5	宋巍	上海海洋大学信息学院	20	31	4.0	5.0
6	胡晨雨	上海海洋大学信息学院	1	0	0.0	0.0