基于对抗和迁移学习的灾害天气卫星云图分类
基于对抗和迁移学习的灾害天气卫星云图分类
复制标题
DOI：
10.13700/j.bh.1001-5965.2020.0459
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
郑建炜
中科院分区：
文献类型：
--
作者：
张敏靖;白琮;张敬林;郑建炜
针对卫星云图中的灾害天气数据存在严重不平衡问题,提出一个结合生成对抗学习(GAN)和迁移学习(TL)的卷积神经网络(CNN)框架以解决上述问题进而提高基于卫星云图的灾害天气分类精度。该框架主要包含基于GAN的数据均衡化模块和基于迁移学习的CNN分类模块。上述2个模块分别从数据和算法层面解决数据的类间不平衡问题,分别得到一个相对均衡的数据集和一个可在不同类别数据上提取相对均衡特征的分类模型,最终实现对卫星云图的分类,提高其中灾害天气的卫星云图类别分类准确率。与此同时所提方法在自建的大规模卫星云图数据上进行了测试,消融性和综合实验结果证明了所提数据均衡方法和迁移学习方法是有效的,且所提框架模型对各个灾害天气类别的分类精度都有显著提升。