基于深度卷积神经网络的海洋多目标涡旋检测方法

2022年7月25日·
Qiming Liu
杨树国
杨树国
,
Li Zhao
· 0 分钟阅读时长
DOI
摘要
提出了一种基于深度卷积神经网络的海洋多目标涡旋检测方法。首先利用改进的密集卷积精确提取海洋涡旋特征,并使用跨层融合技术提高特征的利用率,来充分捕捉边缘信息;然后结合转置卷积和跳过连接构建上采样路径得到检测结果,以获得更高的检测准确率;最后在CMEMS(哥白尼海洋环境监测服务中心)发布的公开数据集上对本工作提出的方法进行了对比实验,实验结果表明:与EddyNet、PET等方法相比,本工作的方法能够有效分离、检测出距离较近的涡旋,具有更好的检测结果。
类型
出版物
青岛科技大学学报(自然科学版)
publications
Authors
杨树国
Authors
正教授
教授,博士生导师,哈尔滨工业大学博士后。数据科学与信息技术研究中心主任,人工智能海洋技术场景化应用山东省工程研究中心主任,青岛市人工智能海洋技术创新中心主任,青岛科技大学数学与交叉研究院院长。美国佐治亚理工学院高级访问学者、香港中文大学高级访问学者、北京交通大学高级访问学者;山东省数学会常务理事、山东省应用统计学会常务理事、人工智能海洋学专业委员会常务委员。近年来,主持或参与国家自然科学基金、国防科工委、电子工业部、省自然基金、省重点科研计划、省高校科研计划、省优秀中青年科学家基金、青岛市科技发展计划项目等各级各类科研项目40多项。
Authors