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

来源：遥感技术与应用, 2020, 35(01): 202-210.

• 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

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%。

• 单位
  上海海洋大学