| 基于多任务学习的地基云图识别与分割技术北大核心CSCD |
| |
| 引用本文： | 张雪,贾克斌,刘钧,张亮.基于多任务学习的地基云图识别与分割技术北大核心CSCD[J].气象,2023(4):454-466. |
| |
| 作者姓名： | 张雪 贾克斌 刘钧 张亮 |
| |
| 作者单位： | 1. 北京工业大学信息与通信工程学院;2. 先进信息网络北京实验室;3. 华云升达气象科技有限公司 |
| |
| 基金项目： | 国家重点研发计划(2018YFF01010100)；;北京市自然科学基金项目(4212001)共同资助； |
| |
| 摘 要： | 云在天气预报中扮演着一个至关重要的角色,准确识别和分割地基云图可以有效指导天气预报。针对大部分现有数据集只适用于单任务学习,地基云图识别和分割技术多以单任务实现,识别检测效率低且算法鲁棒性差等问题,构建了带标签且适合多任务学习的地基云图数据集(GBCD)和GT数据集(GBCD-GT),在此基础上设计了一种基于多任务学习的地基云图识别与分割联合网络模型(GCRSegNet)。该模型首先通过卷积神经网络提取共享特征,再为每个任务设计特定网络,提取更具辨识度的特征,分割网络通过学习共享特征实现地基云图分割,识别网络通过结合共享特征和分割特征实现地基云图识别。经过多组对比试验表明,该网络能准确表征地基云图特征,使识别任务准确率达到94.28%,分割任务像素准确率达到93.85%,平均交并比达到71.58%,为实际应用提供了可能性。
|
| 关 键 词： | 地基云图 图像识别 图像分割 多任务学习 |
| 本文献已被 维普 等数据库收录！ |
|
