基于卷积神经网络融合编码与解码特征的降水强度识别
为高效地利用红外降雨图进行雨量强度分类,提出了一个融合编码与解码卷积特征的雨量强度识别模型.引入编码与解码卷积于深度卷积神经网络分类模型中,在减少局部信息丢失的同时提取深层次的雨纹信息特征.于编码、解码卷积模块中考虑多尺度感受野卷积,融合不同范围的局部特征,同时在解码时融合相同尺度的编码与解码卷积特征图,提高特征利用率,从而构建一种融合编码与解码卷积特征的雨量强度识别模型.所提模型的分类精度优于主流卷积神经网络框架,分类正确率最高达到了91.7%,且消融实验结果验证了编码与解码模块的有效性.
成像系统、降雨强度识别、卷积神经网络、编码特征、解码特征、特征融合
60
TP183;P409(自动化基础理论)
教育部人文社会科学研究项目;海峡博士后交流资助计划;中国博士后科学基金面上项目;福建省自然科学基金项目
2023-07-20(万方平台首次上网日期,不代表论文的发表时间)
共10页
206-215