基于迁移学习及气象卫星云图的台风等级分类研究

编号 zgly0001706659

文献类型 期刊论文

文献题名 基于迁移学习及气象卫星云图的台风等级分类研究

作者 郑宗生  胡晨雨  黄冬梅  邹国良  刘兆荣  宋巍 

作者单位 上海海洋大学信息学院 

母体文献 遥感技术与应用 

年卷期 2020年01期

年份 2020 

分类号 P444  TP18  TP751 

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 

文摘内容 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%。