[發(fā)明專(zhuān)利]一種基于深度學(xué)習(xí)的海洋中尺度渦檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110783889.5
• 申請(qǐng)日: 2021-07-12
• 公開(kāi)（公告）號(hào): CN113592786A
• 公開(kāi)（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 杜震洪;董子意;吳森森;汪愿愿;張豐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江大學(xué)
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州求是專(zhuān)利事務(wù)所有限公司 33200
• 代理人: 傅朝棟;張法高

1.一種基于深度學(xué)習(xí)的海洋中尺度渦自動(dòng)檢測(cè)方法，其特征在于，包括如下步驟：

S1：獲取帶有海洋中尺度渦標(biāo)簽的海平面異常圖像數(shù)據(jù)集；

S2：基于改進(jìn)的U-Net網(wǎng)絡(luò)構(gòu)建海洋中尺度渦自動(dòng)檢測(cè)模型；所述改進(jìn)的U-Net網(wǎng)絡(luò)包括左側(cè)的編碼器部分和右側(cè)的解碼器部分；

所述編碼器部分由4個(gè)編碼塊連接而成；第一個(gè)編碼塊以海平面異常圖像為輸入；每個(gè)編碼塊中將編碼塊輸入依次通過(guò)3個(gè)3×3卷積層后，再利用步長(zhǎng)為2的最大池化操作進(jìn)行下采樣，下采樣結(jié)果輸出至下一個(gè)編碼塊中作為輸入，同時(shí)下采樣結(jié)果與第二個(gè)3×3卷積層的輸出計(jì)算殘差以實(shí)現(xiàn)殘差學(xué)習(xí)；最后一個(gè)編碼塊輸出的特征圖作為所述編碼器部分的輸出；

所述解碼器部分由4個(gè)解碼塊連接而成，每個(gè)解碼塊中將解碼塊輸入依次通過(guò)3個(gè)3×3卷積層后，再利用1個(gè)2×2的轉(zhuǎn)置卷積運(yùn)算進(jìn)行上采樣使特征通道的數(shù)量減半，同時(shí)對(duì)后兩個(gè)3×3卷積層的輸出計(jì)算殘差以實(shí)現(xiàn)殘差學(xué)習(xí)；

第一個(gè)解碼塊以所述編碼器部分的輸出直接作為輸入；對(duì)于除第一個(gè)解碼塊之外的其余每個(gè)解碼塊，則分別通過(guò)增加一個(gè)卷積注意力模塊和跳躍連接結(jié)構(gòu)，從編碼器部分中獲取對(duì)應(yīng)層級(jí)編碼塊下采樣之前的特征圖且該特征圖的尺寸與上一個(gè)解碼塊輸出的上采樣結(jié)果的尺寸相同，并輸入卷積注意力模塊中進(jìn)行通道和空間兩個(gè)維度的注意力增強(qiáng)，將注意力增強(qiáng)結(jié)果與上一個(gè)解碼塊輸出的上采樣結(jié)果通過(guò)跳躍連接結(jié)構(gòu)進(jìn)行拼接，拼接結(jié)果作為當(dāng)前層級(jí)解碼塊的輸入；最后一個(gè)解碼塊的上采樣結(jié)果作為所述解碼器部分的輸出，經(jīng)過(guò)1個(gè)3×3卷積層和1個(gè)1×1卷積層后，輸出與輸入的海平面異常圖像尺寸相同的海洋中尺度渦提取結(jié)果圖；

S3：利用所述海平面異常圖像數(shù)據(jù)集對(duì)構(gòu)建的海洋中尺度渦自動(dòng)檢測(cè)模型進(jìn)行訓(xùn)練，將訓(xùn)練后的海洋中尺度渦自動(dòng)檢測(cè)模型用于從海平面異常圖像中檢測(cè)海洋中尺度渦。

2.如權(quán)利要求1所述的基于深度學(xué)習(xí)的海洋中尺度渦自動(dòng)檢測(cè)方法，其特征在于，每個(gè)所述3×3卷積層中的激活函數(shù)均為ReLU激活函數(shù)。

3.如權(quán)利要求1所述的基于深度學(xué)習(xí)的海洋中尺度渦自動(dòng)檢測(cè)方法，其特征在于，所述海平面異常圖像數(shù)據(jù)集分批作為訓(xùn)練數(shù)據(jù)，輸入海洋中尺度渦自動(dòng)檢測(cè)模型中進(jìn)行訓(xùn)練。

4.如權(quán)利要求1所述的基于深度學(xué)習(xí)的海洋中尺度渦自動(dòng)檢測(cè)方法，其特征在于，所述海洋中尺度渦自動(dòng)檢測(cè)模型訓(xùn)練時(shí)以最小化損失函數(shù)為目標(biāo)，采用Adam優(yōu)化器對(duì)模型參數(shù)進(jìn)行優(yōu)化。

5.如權(quán)利要求4所述的基于深度學(xué)習(xí)的海洋中尺度渦自動(dòng)檢測(cè)方法，其特征在于，所述損失函數(shù)為交叉熵?fù)p失。

6.如權(quán)利要求1所述的基于深度學(xué)習(xí)的海洋中尺度渦自動(dòng)檢測(cè)方法，其特征在于，所述卷積注意力模塊由通道注意力模塊和空間注意力模塊構(gòu)成。

7.如權(quán)利要求6所述的基于深度學(xué)習(xí)的海洋中尺度渦自動(dòng)檢測(cè)方法，其特征在于，所述卷積注意力模塊中，通道注意力模塊的通道數(shù)為32，卷積核大小為3×3；空間注意力模塊中的卷積核大小為7×7。

8.如權(quán)利要求1所述的基于深度學(xué)習(xí)的海洋中尺度渦自動(dòng)檢測(cè)方法，其特征在于，所述海洋中尺度渦自動(dòng)檢測(cè)模型中，輸入的每張海平面異常圖像尺寸為256像素×256像素。