基于多尺度卷积特征融合的台风等级分类模型

摘要：

为提高卷积神经网络对图像多尺度变化的感知能力,增加网络的尺度不变性,提出一种基于多尺度卷积特征融合的台风等级分类模型.在卷积神经网络中添加多尺度感知层,对卷积特征进行多尺度感知并进行级联.将多尺度正则化项添加到损失函数中,通过反向传播来最小化隐含层权重的残差,优化模型的特征提取能力.最后将多尺度高层语义特征通过Softmax分类层归一化成各图像类别的概率值,取最大概率值为最后图像的分类结果.为有效验证本模型的多尺度感知能力,选用红外卫星台风云图作为数据集,实验结果表明,本模型能有效感知并提取台风云图的局部特征,并在两个通用数据集MNIST和CIFAR-10上验证了本模型的泛化能力.

关键词：大气光学、台风等级分类、卷积神经网络、多尺度特征、尺度不变损失函数

所属期刊栏目：56

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金41501419

在线出版日期：2019-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7